Die Konfusionsmatrix entschlüsselt

Bei Klassifikatoren verbirgt eine einzelne Genauigkeitskennzahl zu viel. Die Konfusionsmatrix zeigt genau, welche Vorhersagen richtig und welche falsch waren. 🧩

Die Matrix ist ein kleines Raster: Die Zeilen stehen für die wahren Klassen, die Spalten für die vorhergesagten. Jede Zelle zählt, wie oft diese Kombination auftrat.

Ein richtig positives Ergebnis liegt vor, wenn das Modell Ja sagt und die Antwort tatsächlich Ja lautet. Diese Treffer möchten Sie maximieren.

Ein richtig negatives Ergebnis liegt vor, wenn das Modell Nein sagt und die Wahrheit ebenfalls Nein lautet. Das Modell hat diesen Fall korrekt unauffällig gelassen.

Ein falsch positives Ergebnis ist ein Fehlalarm: Das Modell sagt Ja voraus, aber tatsächlich lautet die Antwort Nein. Denken Sie daran, einen gesunden Patienten als krank einzustufen.

Ein falsch negatives Ergebnis ist ein übersehener Fall: Das Modell sagt Nein, obwohl die Wahrheit Ja lautet. Stellen Sie sich vor, dass ein echter Betrugsfall unbemerkt durchrutscht.

Beachten Sie, dass sich die beiden Fehlertypen in ihren Kosten unterscheiden. Ein falsch positives und ein falsch negatives Ergebnis sind nur selten gleichwertig, daher hält die Matrix sie getrennt.

Genauigkeit ist einfach die Anzahl der richtigen Zellen geteilt durch die Gesamtzahl. Sie entspricht der Diagonale geteilt durch alles, weshalb seltene Fehler verborgen bleiben können.

Die nützlichsten Zellen liegen außerhalb der Diagonale: Sie zeigen, wo das Modell eine Klasse mit einer anderen verwechselt, und weisen so auf seine Schwachstellen hin.

Bei vielen Klassen können Sie die Matrix als Heatmap darstellen. Helle Felder außerhalb der Diagonale zeigen sofort, welche Labels am häufigsten verwechselt werden.

Fast jede Klassifikationsmetrik basiert auf diesen vier Zählwerten. Beherrschen Sie die Konfusionsmatrix, ergeben sich die übrigen Metriken ganz natürlich.

Die Konfusionsmatrix unterteilt die Ergebnisse in wahr und falsch sowie positiv und negativ. Diese vier Anzahlen bilden die Grundlage jeder Klassifikationsmetrik. 🎯