P2 · 辨識即可
機器學習
偽陰性 (False Negative, FN)
是什麼
偽陰性（FN）指實際是正例、模型卻判成負例，也就是「漏掉了」，例如有病被判沒病、葉片有害蟲卻沒偵測到。
解決什麼問題
在疾病、詐欺、害蟲等漏檢代價高的任務，要壓低 FN，也就是提高召回率（Recall）。
考場 Trigger
- 漏檢／漏報
- 實際有、卻判為沒有
- 寧可多報不能漏 → 壓低 FN
容易搞混
召回率精確率
初級深度
看到名稱能辨識其類型與主要用途即可。
中級深度
中級多考門檻調整：目標是「不能漏掉任何一個、誤判可人工覆核」時，要以召回率為優先，調低分類門檻來減少偽陰性。