混乱の行列は、分類モデルのパフォーマンスを評価するために使用されるツールです。 それらは、モデルの予測と実際の結果の詳細な分解を提供し、モデルがうまく実行される領域を特定したり、改善を必要とする領域を識別するのに役立ちます。

混乱のマトリックスを理解する

混乱行列は、真正、偽正、真の負、偽の負予測のカウントを表示するテーブルです。これらの値は、精度、精度、リコール、F1スコアなどのさまざまな性能メトリックを計算するのに役立ちます。

融合マトリックスの計算

混乱行列を計算するには、実際のラベルでモデルから予測されたラベルを比較します。各カテゴリのインスタンス数をカウントします。

  • 真の正性(TP):正しい正の予測
  • 偽の肯定的な(FP): 誤った肯定的な予測
  • 真の負の(TN):正しい負の予測
  • 偽の負債 (FN): 誤った負の予測

解析の行列形式に分類されます。

結果の解釈

混乱行列の値は、モデルの強度と弱点を評価するのに役立ちます。 高TPおよびTN値は、優れた性能を示していますが、高FPまたはFN値が改善のための領域を提案します。

融合行列から得られるメトリックには、以下が含まれます。

  • 精度:]モデルの全体的な正しさ
  • 予測:] 正の予測を正当化
  • Recall:]] 実際のすべての正当性から正の予測を修正
  • F1 スコア:] 高精度とリコールの調和的な意味