Odczytywanie macierzy pomyłek
Zobacz dokładnie, gdzie model popełnia błędy
Odczytywanie macierzy pomyłek to bezpłatna lekcja NLP Academy na CoddyKit. To lekcja 3 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej NLP Academy, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs NLP Academy zawiera 4 lekcji w sumie.
Części tej lekcji nie zostały jeszcze przetłumaczone i są wyświetlane po angielsku.
The Whole Picture
The confusion matrix is a small table showing every prediction sorted by what was true and what you guessed. It reveals exactly where errors live.
Rows and Columns
Rows are the true labels and columns are the predicted ones. Each cell counts how many examples fell into that true-versus-predicted combination.
The Four Cells
For two classes you get four counts: true positives, true negatives, and the two error types. Every metric you know is built from these.
True Positive
A true positive is a real positive you correctly flagged, like real spam sent straight to the spam folder. A clean win.
True Negative
A true negative is a real negative you correctly left alone, like a normal email that stays safely in the inbox.
False Positive
A false positive is a false alarm: you flagged something that was actually negative, like a real email wrongly marked as spam.
False Negative
A false negative is a miss: a real positive you let slip through, like spam that lands in the inbox unflagged.
The Diagonal Tells All
Correct predictions sit on the diagonal. A strong model concentrates counts there and leaves the off-diagonal cells nearly empty.
Build It in Python
scikit-learn assembles the matrix from your true and predicted labels in a single call.
from sklearn.metrics import confusion_matrix
cm = confusion_matrix(y_true, y_pred)Make It Readable
A plotted matrix makes errors jump out, so you instantly see which class gets confused for which.
from sklearn.metrics import ConfusionMatrixDisplay
ConfusionMatrixDisplay(cm).plot()Spotting the Weak Spot
Read off-diagonal cells to find the model blind spot. A large false-negative count, for example, warns you that real positives are being missed.
Quick Check
Name the error type from the description.
Recap
The confusion matrix splits results into four cells. The diagonal holds wins; off-diagonal cells expose exactly where your model errs. 🔍
Często zadawane pytania
Czy lekcja „Odczytywanie macierzy pomyłek” jest bezpłatna?
Tak — pełny tekst „Odczytywanie macierzy pomyłek” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu NLP Academy, przejdź na CoddyKit PRO. Kurs NLP Academy zawiera 4 lekcji w sumie.
Co nauczysz się w „Odczytywanie macierzy pomyłek”?
Zobacz dokładnie, gdzie model popełnia błędy Ćwiczysz NLP Academy z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.
Czy potrzebuję doświadczenia, aby zacząć NLP Academy?
Nie wymagamy żadnego doświadczenia. NLP Academy w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 3 z 4.
Ile czasu zajmuje lekcja „Odczytywanie macierzy pomyłek”?
Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.
Czy mogę pisać i uruchamiać kod w tej lekcji NLP Academy?
Tak. Każda lekcja NLP Academy zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.
Wszystkie lekcje w tym kursie
- Dlaczego dokładność może wprowadzać w błąd
- Precision, recall i F1
- Odczytywanie macierzy pomyłek
- Walidacja krzyżowa jak należy