Matrici di confusione e analisi degli errori
Individui dove il modello fallisce
Matrici di confusione e analisi degli errori è una lezione Deep Learning Academy gratuita su CoddyKit. Questa è la lezione 2 di 4. Puoi leggere la lezione completa qui gratuitamente — poi esercitati direttamente nel browser con un editor di codice integrato e un tutor IA disponibile 24/7. Fa parte del percorso di apprendimento Deep Learning Academy, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso Deep Learning Academy include 4 lezioni in totale.
Vedere ogni errore
Una matrice di confusione dispone in una griglia le etichette predette e quelle reali. Basta uno sguardo per vedere esattamente dove il modello sbaglia.
Righe e colonne
Le righe rappresentano le classi reali e le colonne quelle predette. La diagonale contiene le classificazioni corrette; tutto ciò che è fuori dalla diagonale è un errore.
Costruirla con una sola chiamata
Scikit-learn trasforma immediatamente etichette e previsioni nella griglia, così può ispezionare subito i conteggi.
from sklearn.metrics import confusion_matrix
cm = confusion_matrix(y_true, y_pred)La diagonale è dalla Sua parte
Un modello efficace concentra i conteggi sulla diagonale. Le celle grandi fuori dalla diagonale rivelano le coppie di classi che continua a confondere.
Individuare le coppie confuse
Se molti gatti vengono classificati come cani, quella singola cella luminosa fuori dalla diagonale indica direttamente una debolezza sistematica.
Normalizzare per un confronto equo
I conteggi grezzi possono trarre in inganno quando le classi hanno dimensioni diverse. Normalizzi ogni riga per confrontare i tassi di errore delle classi sullo stesso piano.
cm_norm = cm / cm.sum(axis=1, keepdims=True)Oltre la griglia: osservare gli esempi
I numeri indicano dove si verifica il problema, non perché. L'analisi degli errori consiste nell'aprire i campioni classificati erroneamente per comprenderne la causa.
Raggruppare i fallimenti
Ordini gli errori in categorie, ad esempio immagini sfocate o formulazioni rare. Gli schemi presenti in questi gruppi suggeriscono correzioni concrete.
Qui si nasconde il rumore nelle etichette
Alcuni errori dipendono in realtà da etichette errate nei dati, non da problemi del modello. L'analisi degli errori li porta alla luce, consentendo di correggerli.
Dagli errori all'azione
Ogni schema di errore corrisponde a un rimedio: più dati, feature migliori o una soglia modificata per la classe problematica.
Un'abitudine, non un'operazione isolata
Ripeta l'analisi degli errori dopo ogni modifica. Questo ciclo costante trasforma un fallimento generico in un elenco di attività chiaro e prioritario. 🔁
Verifica rapida
Ricordi che cosa rappresenta la diagonale di una matrice di confusione.
Riepilogo
Una matrice di confusione mostra dove si verificano gli errori, mentre l'analisi pratica degli errori spiega perché. Insieme trasformano i fallimenti in correzioni. 🎯
Domande Frequenti
La lezione «Matrici di confusione e analisi degli errori» è gratuita?
Sì — il testo completo di «Matrici di confusione e analisi degli errori» è gratuito qui sul web. Per esercitarvi in modo interattivo (un editor di codice integrato e un tutor IA 24/7) e sbloccare il resto del corso Deep Learning Academy, passa a CoddyKit PRO. Il corso Deep Learning Academy include 4 lezioni in totale.
Cosa imparerò in «Matrici di confusione e analisi degli errori»?
Individui dove il modello fallisce Eserciti Deep Learning Academy con codice pratico che esegui direttamente nel browser, e un tutor IA 24/7 risponde alle tue domande mentre lavori sulla lezione.
Ho bisogno di esperienza per iniziare Deep Learning Academy?
Non è richiesta alcuna esperienza precedente. Deep Learning Academy su CoddyKit è strutturato per principianti e studenti avanzati, quindi puoi iniziare da qui o dall'inizio e procedere al tuo ritmo. Questa è la lezione 2 di 4.
Quanto tempo richiede la lezione «Matrici di confusione e analisi degli errori»?
La maggior parte delle lezioni CoddyKit richiede circa 5–10 minuti. Ogni lezione è breve e interattiva, quindi fai progressi costanti e riprendi esattamente da dove hai lasciato su web e app.
Posso scrivere ed eseguire codice in questa lezione Deep Learning Academy?
Sì. Ogni lezione Deep Learning Academy include un editor di codice integrato, quindi scrivi ed esegui codice reale direttamente nel tuo browser e ricevi feedback istantaneo dall'IA — nessuna configurazione locale necessaria.
Tutte le lezioni di questo corso
- Precision, recall, F1 e ROC-AUC
- Matrici di confusione e analisi degli errori
- Grad-CAM: scopra cosa osserva il modello
- Calibrare la confidenza