Forvirringsmatricen afkodet
Sande og falske positive og negative.
Forvirringsmatricen afkodet er en gratis Data Science Academy-lektion på CoddyKit. Dette er lektion 2 af 4. Du kan læse hele lektionen gratis nedenfor — og derefter øve dig praktisk i browseren med en indbygget kodeeditor og en AI-vejleder, der er tilgængelig døgnet rundt. Den er en del af læringsforløbet i Data Science Academy, og dine fremskridt synkroniseres på tværs af nettet og CoddyKit-appen. Data Science Academy-kurset indeholder 4 lektioner i alt.
Ud over ét enkelt tal
For klassifikatorer skjuler én accuracy-score for meget. Forvekslingsmatricen viser præcis, hvilke forudsigelser der var rigtige, og hvilke der var forkerte. 🧩
Et enkelt gitter
Matricen er et lille gitter: rækkerne er de sande klasser, og kolonnerne er de forudsagte. Hver celle tæller, hvor ofte den kombination forekom.
from sklearn.metrics import confusion_matrix
confusion_matrix(y_true, y_pred)Sande positive
En sand positiv er, når modellen siger ja, og svaret faktisk er ja. Det er de resultater, du vil maksimere.
Sande negative
En sand negativ er, når modellen siger nej, og sandheden også er nej. Modellen lod korrekt denne sag være.
Falske positive
En falsk positiv er en falsk alarm: Modellen forudsagde ja, men sandheden var nej. Tænk på at markere en rask patient som syg.
Falske negative
En falsk negativ er en overset sag: Modellen sagde nej, mens sandheden var ja. Forestil dig, at ægte svindel slipper igennem uden at blive opdaget.
To slags fejl
Bemærk, at de to fejltyper har forskellige omkostninger. En falsk positiv og en falsk negativ er sjældent lige alvorlige, så matricen holder dem adskilt.
Hvor accuracy findes
Accuracy er blot antallet af korrekte celler divideret med totalen. Det er diagonalen divideret med alt, og derfor kan den skjule sjældne fejl.
accuracy = (TP + TN) / (TP + TN + FP + FN)Læs cellerne uden for diagonalen
De mest nyttige celler ligger uden for diagonalen: De viser, hvor modellen forveksler én klasse med en anden, og peger dermed på dens svage punkter.
Se den som et heatmap
Ved mange klasser kan du vise matricen som et heatmap. Lyse felter uden for diagonalen afslører straks, hvilke labels der oftest bliver forvekslet.
from sklearn.metrics import ConfusionMatrixDisplay
ConfusionMatrixDisplay.from_predictions(y_true, y_pred)Dit fundament for mål
Næsten alle klassifikationsmål bygger på disse fire tællinger. Behersk forvekslingsmatricen, så følger resten naturligt.
Hurtigt tjek
Lad os sikre, at hver celle i matricen står helt klart.
Opsummering
Forvekslingsmatricen opdeler resultater i sande og falske, positive og negative. Disse fire tællinger danner grundlaget for alle klassifikationsmål. 🎯
Lær Python med en AI-underviser — gratis
Skriv og kør rigtig kode i din browser, få øjeblikkelig hjælp fra en AI-underviser døgnet rundt, og fortsæt, hvor du slap, på web eller i appen.
- Kurser
- 30
- Lektioner
- 120
Ofte stillede spørgsmål
Er lektionen “Forvirringsmatricen afkodet” gratis?
Ja — hele teksten til “Forvirringsmatricen afkodet” kan læses gratis her på nettet. Hvis du vil øve dig interaktivt med en indbygget kodeeditor og en AI-vejleder døgnet rundt og få adgang til resten af Data Science Academy-kurset, skal du opgradere til CoddyKit PRO. Data Science Academy-kurset indeholder 4 lektioner i alt.
Hvad lærer jeg i “Forvirringsmatricen afkodet”?
Sande og falske positive og negative. Du øver dig i Data Science Academy med praktisk kode, som du kører direkte i browseren, og en AI-vejleder døgnet rundt besvarer dine spørgsmål, mens du arbejder dig gennem lektionen.
Skal jeg have erfaring for at begynde på Data Science Academy?
Der kræves ingen tidligere erfaring. Data Science Academy på CoddyKit er tilrettelagt for både begyndere og øvede, så du kan starte her eller fra begyndelsen og lære i dit eget tempo. Dette er lektion 2 af 4.
Hvor lang tid tager lektionen “Forvirringsmatricen afkodet”?
De fleste CoddyKit-lektioner tager cirka 5–10 minutter. Hver lektion er kort og interaktiv, så du gør løbende fremskridt og kan fortsætte, hvor du slap – på både web og app.
Kan jeg skrive og køre kode i denne Data Science Academy-lektion?
Ja. Alle Data Science Academy-lektioner har en indbygget kodeeditor, så du kan skrive og køre rigtig kode direkte i din browser og få øjeblikkelig feedback fra AI – uden lokal opsætning.
Alle lektioner i dette kursus
- Regressionsmål: MAE, MSE og R2
- Forvirringsmatricen afkodet
- Precision, recall og F1
- ROC, AUC og tærskler