¿Por qué la memoria no tiene en cuenta los verdaderos negativos? En los experimentos en los que los verdaderos negativos son tan importantes como los verdaderos positivos, ¿hay alguna métrica comparable que los tenga en cuenta?
Respuesta
¿Demasiados anuncios?
La recuperación (en combinación con la precisión) se utiliza generalmente en áreas en las que uno está interesado principalmente en encontrar los positivos. Un ejemplo de este tipo de áreas es, por ejemplo, el marketing de resultados o (como ya se ha sugerido en el enlace de ch'ls) el área de la recuperación de información.
Así que:
Si lo que le interesa principalmente es encontrar los negativos, la "tasa de verdaderos negativos" (como ya sugirió chl) es el camino a seguir. Pero no se olvide de mirar una métrica de "precisión para centrarse en los negativos" (es decir $\frac{TN}{TN + FN}$ porque, de lo contrario, la "Tasa de Verdaderos Negativos" puede optimizarse estableciendo la predicción como "Negativa" para todos los puntos de datos).
Si está interesado en optimizar la recuperación tanto de los negativos como de los positivos, debería mirar la "Precisión" (ver de nuevo el enlace de chl). Pero tenga cuidado con el sesgo de clase (es decir, tiene muchos más positivos que negativos o viceversa... en este caso se puede "optimizar" la precisión estableciendo la predicción en la clase principal para todos los puntos de datos).
