Confusion Matrix
Bir sınıflandırma modelinin doğru ve yanlış tahminlerini sınıflara göre gösteren tablo.
Karışıklık matrisi (confusion matrix), bir sınıflandırma modelinin tahminlerini gerçek etiketlerle karşılaştırarak modelin hangi sınıflarda başarılı, hangilerinde hatalı olduğunu satır ve sütunlar halinde gösteren bir tablodur. İkili sınıflandırmada dört temel hücre bulunur: gerçek pozitif, yanlış pozitif (yanlış alarm), gerçek negatif ve yanlış negatif (kaçırılan vaka). Bu dört sayı, precision, recall, F1 skoru ve doğruluk gibi neredeyse tüm sınıflandırma metriklerinin hesaplanmasının temelini oluşturur.
Karışıklık matrisinin gücü, tek bir özet sayı yerine hatanın niteliğini ortaya koymasından gelir: örneğin bir hastalık teşhis modelinde yanlış negatiflerin (hastalığı kaçırma) yanlış pozitiflerden (sağlıklı birini hasta sanma) çok daha tehlikeli olduğu durumlarda, karışıklık matrisi bu dengesizliği net biçimde gösterir. Çok sınıflı problemlerde matris NxN boyutuna genişler ve hangi sınıfların birbiriyle sıkça karıştırıldığını görselleştirmek için ısı haritası (heatmap) şeklinde sunulur; bu da model geliştiricilere hangi sınıflar için daha fazla veri veya özellik mühendisliği gerektiğine dair somut ipuçları verir.
Karışıklık matrisinin gücü, tek bir özet sayı yerine hatanın niteliğini ortaya koymasından gelir: örneğin bir hastalık teşhis modelinde yanlış negatiflerin (hastalığı kaçırma) yanlış pozitiflerden (sağlıklı birini hasta sanma) çok daha tehlikeli olduğu durumlarda, karışıklık matrisi bu dengesizliği net biçimde gösterir. Çok sınıflı problemlerde matris NxN boyutuna genişler ve hangi sınıfların birbiriyle sıkça karıştırıldığını görselleştirmek için ısı haritası (heatmap) şeklinde sunulur; bu da model geliştiricilere hangi sınıflar için daha fazla veri veya özellik mühendisliği gerektiğine dair somut ipuçları verir.