Förvirringsmatrisen

Förvirringsmatrisen, eller confusion matrix, är ett tabellformat som används för att utvärdera prestanda hos ett klassificeringssystem. Den jämför faktiska klasser med de förutsagda klasserna och visar hur många fall som faller i varje kombination.

En vanlig version är en tvådimensionell matris där raderna representerar verklig klass och kolumnerna representerar den förutsagda klassen. I binär klassifikation är matrisen uppdelad i fyra celler: sanna positiva (TP), falska positiva (FP), falska negativa (FN) och sanna negativa (TN).

Exempel: Anta att av 60 verkliga positiva fall förutsades rätt i 50 fall (TP=50) och missades i 10 fall (FN=10), medan 5 negativa fall felaktigt förutsågs positiva (FP=5) och 100 negativa förutsades korrekta negativa (TN=100). Totalt 165 fall.

Med dessa tal kan man beräkna prestandamått som noggrannhet (TP+TN)/total ≈ 150/165 ≈ 0,91, precision TP/(TP+FP) ≈ 50/55 ≈ 0,91, recall TP/(TP+FN) ≈ 50/60 ≈ 0,83 och F1-score≈0,87. Specificitet TN/(TN+FP) ≈ 0,95 och falsk negativt felrate ≈ 0,17.

Förvirringsmatrisen kan även användas vid fler än två klasser, där varje cell anger antalet fall med verklig klass i rad och förutsagd klass i kolumn. Den hjälper till att identifiera mönster i vilka fel som uppstår och används i modellutvärdering tillsammans med andra mått som ROC-AUC och precisions-/återkallelsekurvor. Vid obalanserade data kan mått som noggrannhet vara missledande och därför kompletteras ofta med fler mått.