ixp
latest
false
UiPath logo, featuring letters U and I in white

Communications Mining 用户指南

上次更新日期 2025年8月11日

True 和 False 负预测

理解这些定义非常重要,因为它们是解释其他基本机器学习 (ML) 概念(例如精度召回率)的关键部分。

平台针对其应用上下文概述了以下定义:

  • 正预测是指模型认为标签适用于消息的预测。
  • 负面预测是指模型认为标签不适用于消息的预测。

真例- 真例结果是指模型正确预测了某个标签适用于消息的结果。

真负例- 真负例是指模型正确预测某标签不适用于邮件的结果。

误报- 误报结果是指模型错误地预测了标签适用于邮件,而实际上它并不适用。

漏报- 漏报结果是指模型错误地预测某个标签不适用于邮件,而实际上标签适用。

要更详细地了解每个概念,请查看对精度和召回率的说明

此页面有帮助吗?

获取您需要的帮助
了解 RPA - 自动化课程
UiPath Community 论坛
Uipath Logo
信任与安全
© 2005-2025 UiPath。保留所有权利。