Waarom is dit belangrijk?
Het tellen van echte negatieven laat zien of een model gewone gevallen met rust laat, zodat niet alleen alarmen meetellen. In fabrieken helpt dat om goede producten te houden en ze niet onnodig af te keuren. Werknemers krijgen daardoor minder loze controles, al kan een model dat zelden een afwijking meldt veel echte negatieven halen en toch echte fouten missen.
Zo werkt het in de praktijk
Teams vergelijken twee classificatiewijzen met een verwarringsmatrix, een tabel van voorspelling tegen echt label. Een echt negatief telt daar als correcte afwijzing. Specificiteit meet het aandeel echte negatieven; in de informatica kiezen teams vaker precisie en recall.
Onderzoekers zoeken welke maten een vergelijking van binaire modellen mogelijk maken. Zij tellen echte negatieven in de verwarringsmatrix en berekenen specificiteit als hun aandeel. Die maat zegt meer dan de nauwkeurigheid als de twee klassen ongelijk groot zijn.
Deze maten horen bij een werkwijze met een verwarringsmatrix en een ROC-curve. Die grafiek zet gevoeligheid af tegen specificiteit en toont hoe beide schuiven bij een andere drempel. Teams kiezen de drempel op de trainingsset en meten daarna op de testset.




