假陰性 vs 假陽性
False Negative vs False Positive
假陰性 側重 模型預測為陰性（負例），但實際上為陽性（正例）的錯誤分類結果。，而 假陽性 側重 模型將實際為負的樣本錯誤預測為正的情況，又稱型一錯誤。。
逐項比較
| 項目 | 假陰性 | 假陽性 |
|---|---|---|
| 一句定義 | 模型預測為陰性（負例），但實際上為陽性（正例）的錯誤分類結果。 | 模型將實際為負的樣本錯誤預測為正的情況，又稱型一錯誤。 |
| 常見標籤 | 模型評估、混淆矩陣、召回率、分類錯誤、二元分類 | 混淆矩陣、分類評估、精確率、型一錯誤、模型評估 |
| iPAS 關聯度 | 未知 | 未知 |
| 考生最常問 | 假陰性和假陽性哪個更嚴重？ | 假陽性和假陰性哪個比較嚴重？ |