Forvirringsmatrisen

Forvirringsmatrisen, eller confusion matrix på engelska, är ett verktyg inom maskininlärning och statistik som används för att utvärdera en klassificeringsmodells prestanda. Den sammanställer hur modellens förutsägelser relaterar till de faktiska klasserna i data, vilket gör det möjligt att se hur ofta modellen gör rätt eller fel för varje klass.

I binär klassificering består forvirringsmatrisen vanligtvis av en 2x2 tabell där raderna representerar de faktiska klasserna och kolumnerna de förutspådda. De fyra kvadranterna betecknas ofta som: TP (true positives) där modellen rätt predicerade positiva fall, FP (false positives) där negativa fall felaktigt predicerats som positiva, FN (false negatives) där positiva fall inte fångades av modellen, och TN (true negatives) där negativa fall korrekt identifierades. Exempelvis kan en konfiguration vara TP=40, FN=5, FP=10, TN=45, vilket motsvarar att 40 av 45 faktiska positiva fall och 45 av 55 faktiska negativa fall hanterades korrekt.

Flerklassutökningarna innebär att matrisen blir en KxK matris där varje rad motsvarar en verklig klass och varje kolumn en förutspådd klass. På så sätt räknas hur många gånger varje verklig klass predicerats som varje annan klass. Man kan också normalisera talen till andelar eller procent för jämförelse mellan datasätter med olika storlek.

Användning: forvirringsmatrisen utgör grund för att beräkna prestandamått som noggrannhet (accuracy), precision, recall (sanningshalten), specificitet och F1-poäng. Den används även vid treshold-justering och vid ofta komplexa utvärderingar i samband med klassolikhet, obalanserade dataset samt vid modellval och korsvalidering.