Définition - Que signifie la matrice de confusion?
Une matrice de confusion est un type de structure de table qui joue un rôle spécifique dans l'apprentissage automatique et l'ingénierie associée. Il aide à montrer la prédiction et le rappel dans un système où les valeurs des données de test sont connues.
Definir Tech explique la matrice de confusion
En règle générale, une matrice de confusion traite un processus binaire de classification. La table résultante est composée de deux lignes et deux colonnes, remplies de quatre valeurs - vrais positifs, faux positifs, vrais négatifs et faux négatifs.
Dans la matrice de confusion, un vrai positif existe lorsque l'observation est positive avec une prédiction positive. Un faux positif existe lorsque l'observation est négative, avec une prédiction positive. Un vrai négatif existe lorsque l'observation est négative avec une prédiction négative, et un faux négatif indique une observation positive avec une prédiction négative.
Des équations assorties montrent ensuite comment calculer l'exactitude et la précision pour un projet donné. De nombreux projets de matrice de confusion utiliseront des outils tels que Python SciKit ou Numpy ou autres.