confusion matrix
En tabel, der opsummerer en klassifikationsmodels præstation ved at sammenligne forudsagte og faktiske klasser.
Kort fortalt
En confusion matrix viser, hvor ofte din model gætter rigtigt og forkert for hver klasse.
- Kategori
- metrik
- Niveau
- øvet
Betydninger
1- 1
En tabel med to rækker og to kolonner (for binær klassifikation) eller større, der angiver antallet af korrekte og forkerte forudsigelser, fordelt på hver klasse.
- Confusion matrix'en for modellen viste 90 sande positive, 5 falske positive, 3 falske negative og 82 sande negative.
- For en multi-klasseklassifikation kan confusion matrix'en visualiseres som et heatmap.
Hvornår bruges det
Bruges til at evaluere klassifikationsmodeller, især når der er ubalance mellem klasser, eller når forskellige fejltyper har forskellige omkostninger.
Kodeeksempel
from sklearn.metrics import confusion_matrix
y_true = [1, 0, 1, 1, 0, 1]
y_pred = [1, 0, 1, 0, 0, 1]
cm = confusion_matrix(y_true, y_pred)
print(cm)
# Output:
# [[2 0]
# [1 3]]Eksempel på beregning af confusion matrix med scikit-learn for binær klassifikation.
Oprindelse
Udtrykket 'confusion matrix' stammer fra statistik og maskinlæring og refererer til, hvordan tabellen 'forvirrer' (confuses) de korrekte klassifikationer med fejl.