Tasa de falsos negativos

En el ámbito de la inteligencia artificial y el aprendizaje automático, hace referencia a una métrica que evalúa el desempeño de un modelo de clasificación.

Ocurre cuando el modelo no identifica correctamente una instancia positiva y la clasifica erróneamente como negativa.

En términos prácticos, se trata de un error crítico, ya que puede llevar a ignorar o descartar casos relevantes o importantes.

Es especialmente relevante en aplicaciones donde identificar correctamente las instancias positivas es crucial, como en diagnósticos médicos, detección de fraudes o sistemas de seguridad.

Se calcula como la proporción entre los falsos negativos y el total de verdaderos positivos junto con los falsos negativos.

Minimizar esta tasa requiere ajustar los umbrales de decisión del modelo o considerar métodos específicos para equilibrar la sensibilidad y especificidad.