2
respostas

[Sugestão] Conceito de Verdadeiro Negativo em uma matriz de confusão

Acho que o conceito mostrado no texto não está exatamente certo, visto que, ao tratar de Verdadeiro Negativo, em uma matriz de confusão, é indicado que o modelo classificou erroneamente uma imagem, quando na verdade deveria ser indicado que o modelo classificou corretamente uma imagem fora do padrão(incorreta/falsa) como fora do padrão(incorreta/falsa). Um exemplo disso poderia ser o modelo classificar a imagem de um cachorro como sendo não gato.

O livro Pandas Python Data Wrangling para Ciência de Dados de Eduardo Corrêa menciona o conceito da seguinte maneira:

'' - mc[1,1] armazena o total de objetos cujo rótulo era "Não" (neste exemplo, objetos que não possuem a cor green na bandeira) e que foram corretamente classificados como "Não". São por isso chamados de Verdadeiro Negativos (VN)."

2 respostas

Olá Matheus.

Tudo bem?

Acho que entendi e vou tentar te ajudar.

Em uma matriz de confusão, o Verdadeiro Negativo ocorre quando o modelo faz uma previsão correta de que um determinado caso não pertence à classe de interesse. Por exemplo, se o modelo está sendo usado para identificar imagens de gatos, um Verdadeiro Negativo seria o modelo classificando corretamente uma imagem de um cachorro como "não gato".

Portanto, a descrição correta para Verdadeiro Negativo deveria ser algo como: "O modelo classifica corretamente uma imagem que não pertence à classe de interesse (por exemplo, não é um gato) como não pertencendo à classe de interesse (não gato)". Isso está alinhado com o que você encontrou no livro de Eduardo Corrêa e com a prática comum em aprendizado de máquina.

A dúvida pode ocorrer porque o termo "corretamente" pode ser interpretado de maneiras diferentes dependendo do contexto, mas no caso de matrizes de confusão, ele sempre se refere a uma previsão que está alinhada com a verdadeira classificação do dado.

Espero ter entendido e conseguido ajudar. Qualquer dúvida manda aqui. Bons estudos.

Sim, eu concordo com o que disse, justamente por isso fiquei em dúvida, o texto que aparece no curso é o seguinte:

"Verdadeiro Negativo (VN): Ocasião na qual o modelo não categoriza corretamente uma imagem. Por exemplo, não categorizar uma imagem de um gato como um cachorro."

Assim, pelo que eu entendi de Verdadeiro Negativo, acho que a primeira frase não estaria correta. No caso, ele categoriza corretamente, contudo ele categoriza corretamente aquele elemento como não sendo pertencente à classe de interesse.