Konfusionsmatrix

Konfusionsmatrix, eller confusion matrix på engelska, är en tabell som används inom maskininlärning och statistik för att utvärdera prestanda hos klassificeringsmodeller. Den jämför modellens förutsägelser med de sanna etiketterna i en given datauppsättning och visar hur många observationer som blivit rätt eller fel i varje klass. Genom att analysera strukturen i tabellen kan man få en övergripande bild av hur modellen presterar och var den gör misstag.

I fallet med två klasser kallas etiketterna ofta positiv och negativ. Tabellen har fyra celler: sann positiv (TP), falsk positiv (FP), sann negativ (TN) och falsk negativ (FN). TP är antal rätt positiva förutsägelser, TN rätt negativa, medan FP och FN anger felklassificeringar. Från dessa värden kan man beräkna olika prestandamått som beskriver olika aspekter av modellen.

Vanliga mått inkluderar noggrannhet (accuracy) som är andelen korrekta förutsägelser, precision som anger hur stor del av de förutsagda positiva som verkligen är positiva, återkallning eller känslighet som mäter hur många av de sanna positiva som fångas upp, och F1-score som är den harmoniska medelvärden av precision och återkallning. Specificitet och falsk-positivt-frekvens går också att beräkna, liksom negativa prediktiva värden. För fler än två klasser används en multi-klasskonfusionsmatris där varje klass jämförs mot alla övriga.

Användningen innefattar modellutvärdering, jämförelser mellan olika algoritmer, och optimering av beslutsgränser. Det finns även normaliseringar (t.ex. per rad eller per kolumn) för att hantera skev fördelning av klasser. Notera att konfusion matrisen inte ger information om sannolikhetskalibrering eller hur modellen beter sig över olika populationsgrupper.