From 3bdc460098145712d8310651358a9d6040ecdea0 Mon Sep 17 00:00:00 2001 From: Jen Looper Date: Wed, 28 Jul 2021 23:10:05 -0400 Subject: [PATCH] Update README.it.md --- 2-Regression/4-Logistic/translations/README.it.md | 4 ---- 1 file changed, 4 deletions(-) diff --git a/2-Regression/4-Logistic/translations/README.it.md b/2-Regression/4-Logistic/translations/README.it.md index 3b30cf685..e9940203c 100644 --- a/2-Regression/4-Logistic/translations/README.it.md +++ b/2-Regression/4-Logistic/translations/README.it.md @@ -228,10 +228,6 @@ Cosa sta succedendo qui? Si supponga che al modello venga chiesto di classificar - Se il modello prevede qualcosa come una zucca e appartiene alla categoria 'non-una-zucca' in realtà si chiama falso negativo, mostrato dal numero in basso a sinistra. - Se il modello prevede qualcosa come non una zucca e appartiene alla categoria 'non-una-zucca' in realtà lo si chiama un vero negativo, mostrato dal numero in basso a destra. -![Matrice di Confusione](../images/confusion-matrix.png) - -> Infografica di [Jen Looper](https://twitter.com/jenlooper) - Come si sarà intuito, è preferibile avere un numero maggiore di veri positivi e veri negativi e un numero inferiore di falsi positivi e falsi negativi, il che implica che il modello funziona meglio. ✅ Domanda: Secondo la matrice di confusione, come si è comportato il modello? Risposta: Non male; ci sono un buon numero di veri positivi ma anche diversi falsi negativi.