Какие ошибки важнее для классификатора: ложно положительные или ложно отрицательные?

Выбор между ложно-положительными и ложно-отрицательными ошибками зависит от предназначения классификатора. yandex.ru Он должен успешно решать ту задачу, которую перед ним поставили. yandex.ru

Ложно-положительные ошибки (ошибка I рода) возникают, когда отрицательное наблюдение распознано моделью как положительное. neerc.ifmo.ru Например, если классификатор получает на вход данные прочтения генома здорового человека и должен сказать, нет ли в нём каких-нибудь «поломок», которые потом вылезут в ходе жизни. yandex.ru Если такой классификатор даст слишком много ложноположительных предсказаний, то врач-генетик, проверяющий его результаты, сойдётся с ума в попытке разобраться в потоке данных. yandex.ru

Ложно-отрицательные ошибки (ошибка II рода) — это случаи, когда положительное наблюдение распознано как отрицательное. neerc.ifmo.ru Например, если классификатор получает на вход данные больного человека с симптомами и должен поставить ему диагноз. yandex.ru Здесь недопустимы ложноотрицательные результаты, а вот ложноположительные можно и потерпеть — главное, найти конкретный «дефект» в тех генах, которые могут быть связаны с болезнью. yandex.ru

Таким образом, выбор в пользу того или иного вида ошибок зависит от конкретной задачи классификатора.