Förvirringsmatrisen förklarad
Sant och falskt positivt samt negativt
Förvirringsmatrisen förklarad är en gratis lektion i Data Science Academy på CoddyKit. Detta är lektion 2 av 4. Ni kan läsa hela lektionen gratis nedan och sedan öva praktiskt i webbläsaren med en inbyggd kodredigerare och en AI-handledare som är tillgänglig dygnet runt. Den ingår i lärvägen för Data Science Academy, och Era framsteg synkroniseras mellan webben och CoddyKit-appen. Kursen i Data Science Academy innehåller totalt 4 lektioner.
Bortom ett enda tal
För klassificerare döljer ett enda noggrannhetsvärde för mycket. Förväxlingsmatrisen visar exakt vilka förutsägelser som var rätt och vilka som var fel. 🧩
Ett enkelt rutnät
Matrisen är ett litet rutnät: raderna visar de sanna klasserna och kolumnerna de förutsagda. Varje cell räknar hur ofta den kombinationen inträffade.
from sklearn.metrics import confusion_matrix
confusion_matrix(y_true, y_pred)Sant positiva
Ett sant positivt resultat innebär att modellen säger ja och svaret verkligen är ja. Det är dessa träffar du vill maximera.
Sant negativa
Ett sant negativt resultat innebär att modellen säger nej och sanningen också är nej. Modellen lämnade korrekt det här fallet utan åtgärd.
Falskt positiva
Ett falskt positivt resultat är ett falskt alarm: modellen förutsade ja, men sanningen var nej. Tänk dig att markera en frisk patient som sjuk.
Falskt negativa
Ett falskt negativt resultat är en miss: modellen sa nej medan sanningen var ja. Föreställ dig att ett verkligt bedrägeri slinker igenom obemärkt.
Två sorters misstag
Lägg märke till att de två feltyperna har olika kostnader. Ett falskt positivt och ett falskt negativt resultat är sällan lika allvarliga, så matrisen håller isär dem.
Var noggrannheten finns
Noggrannhet är helt enkelt antalet korrekta celler delat med totalen. Det är diagonalen delad med allt, vilket är anledningen till att sällsynta fel kan döljas.
accuracy = (TP + TN) / (TP + TN + FP + FN)Läs av diagonalen
De mest användbara cellerna finns utanför diagonalen: de visar var modellen förväxlar en klass med en annan och pekar ut modellens svaga punkter.
Visa den som en värmekarta
För många klasser kan du visa matrisen som en värmekarta. Ljusa rutor utanför diagonalen avslöjar direkt vilka etiketter som oftast blandas ihop.
from sklearn.metrics import ConfusionMatrixDisplay
ConfusionMatrixDisplay.from_predictions(y_true, y_pred)Din grund för mått
Nästan alla klassificeringsmått bygger på dessa fyra antal. Bemästra förväxlingsmatrisen, så följer resten naturligt.
Snabb kontroll
Låt oss säkerställa att varje cell i matrisen är helt tydlig.
Sammanfattning
Förväxlingsmatrisen delar upp resultaten i sant och falskt, positivt och negativt. Dessa fyra antal ligger till grund för alla klassificeringsmått. 🎯
Lär dig Python med en AI-lärare – gratis
Skriv och kör riktig kod i webbläsaren, få omedelbar hjälp av en AI-lärare dygnet runt och fortsätt där du slutade – på webben eller i appen.
- Kurser
- 30
- Lektioner
- 120
Vanliga frågor
Är lektionen ”Förvirringsmatrisen förklarad” gratis?
Ja – hela texten till ”Förvirringsmatrisen förklarad” kan läsas gratis här på webben. Om Ni vill öva interaktivt med en inbyggd kodredigerare och en AI-handledare som är tillgänglig dygnet runt och låsa upp resten av kursen i Data Science Academy, kan Ni uppgradera till CoddyKit PRO. Kursen i Data Science Academy innehåller totalt 4 lektioner.
Vad lär jag mig i ”Förvirringsmatrisen förklarad”?
Sant och falskt positivt samt negativt Ni övar på Data Science Academy med praktisk kod som körs direkt i webbläsaren, medan en AI-handledare som är tillgänglig dygnet runt svarar på Era frågor under lektionen.
Behöver jag någon erfarenhet för att börja lära mig Data Science Academy?
Du behöver inga förkunskaper. Utbildningen i Data Science Academy på CoddyKit är upplagd för allt från nybörjare till avancerade elever, så att du kan börja här eller från början och gå fram i din egen takt. Detta är lektion 2 av 4.
Hur lång tid tar lektionen ”Förvirringsmatrisen förklarad”?
De flesta CoddyKit-lektioner tar cirka 5–10 minuter. Varje lektion är kort och interaktiv, så att du gör stadiga framsteg och kan fortsätta precis där du slutade – på webben eller i appen.
Kan jag skriva och köra kod i den här Data Science Academy-lektionen?
Ja. Varje Data Science Academy-lektion innehåller en inbyggd kodredigerare, så att du kan skriva och köra riktig kod direkt i webbläsaren och få omedelbar AI-feedback – utan lokal installation.
Alla lektioner i den här kursen
- Regressionsmått: MAE, MSE och R2
- Förvirringsmatrisen förklarad
- Precision, recall och F1
- ROC, AUC och trösklar