Macierz pomyłek (confusion matrix)
Tabela, która liczy trafne i błędne decyzje klasyfikatora według rodzaju: prawdziwe i fałszywe alarmy, prawdziwe i fałszywe pominięcia.
Dla zadania „tak albo nie” ma cztery pola. True positive: oznaczone i słusznie. False positive: oznaczone niesłusznie, czyli fałszywy alarm. False negative: przeoczone. True negative: słusznie zostawione w spokoju. Precyzję, czułość i dokładność liczy się z tych czterech liczb. Sama dokładność myli przy rzadkich zdarzeniach: model, który nigdy nie oznacza oszustwa, ma 99% dokładności, gdy oszustwa to 1% transakcji.
Powiązane hasła
- Precyzja (precision): Odsetek zwróconych wyników, które są faktycznie trafne: ile z tego, co system oznaczył albo znalazł, było słuszne.
- Czułość (recall): Odsetek wszystkich trafnych pozycji, które system faktycznie znalazł: ile wyłapał z tego, co powinien był wyłapać.
- F1 score (miara F1): Jedna liczba łącząca precyzję i czułość jako ich średnia harmoniczna, więc jest wysoka tylko wtedy, gdy obie są wysokie.
- Ground truth (odpowiedzi wzorcowe): Znane poprawne odpowiedzi albo etykiety, z którymi w ewaluacji porównuje się wynik modelu.
