Как работает матрица путаницы для оценки работы модели машинного обучения?

Матрица путаницы (ошибок) — это таблица, которая сравнивает фактические значения с прогнозируемыми значениями модели машинного обучения. www.unite.ai gitverse.ru

Для простой бинарной (двухклассовой) задачи матрица состоит из четырёх ячеек: www.ultralytics.com

1. Истинные положительные результаты (TP). www.ultralytics.com gitverse.ru Модель правильно предсказала положительный класс. www.ultralytics.com Например, изображение кошки правильно идентифицировано как «кошка». www.ultralytics.com
2. Истинные негативы (TN). www.ultralytics.com Модель правильно предсказала отрицательный класс. www.ultralytics.com Изображение собаки правильно идентифицировано как «не кошка». www.ultralytics.com
3. Ложные положительные результаты (ЛП). www.ultralytics.com Модель неверно предсказала положительный класс, когда на самом деле он был отрицательным. www.ultralytics.com Изображение собаки ошибочно идентифицируется как «кошка». www.ultralytics.com
4. Ложные отрицательные результаты (ЛО). www.ultralytics.com Модель неверно предсказала отрицательный класс, когда на самом деле он был положительным. www.ultralytics.com Изображение кошки ошибочно идентифицируется как «не кошка». www.ultralytics.com

Когда набор данных содержит более двух классов, матрица увеличивается на это количество классов. www.unite.ai Например, если есть три класса, матрица будет матрицей 3 x 3. www.unite.ai

Независимо от размера матрицы, левая сторона содержит прогнозируемые значения, а фактические метки классов проходят сверху. www.unite.ai Экземпляры, которые классификатор правильно предсказал, проходят по диагонали от верхнего левого угла к нижнему правому. www.unite.ai

Матрица путаницы позволяет рассчитать несколько ключевых показателей эффективности, таких как точность, отзыв (чувствительность), F1-Score и специфичность. www.unite.ai www.ultralytics.com