Karmaşıklık Matrisini Okuma

Karışıklık matrisi, her tahmini gerçek durumuna ve sizin tahmininize göre sıralanmış küçük bir tabloda gösterir. Hataların tam olarak nerede bulunduğunu ortaya çıkarır.

Satırlar gerçek etiketleri, sütunlar ise tahmin edilen etiketleri gösterir. Her hücre, gerçek ve tahmin edilen sınıf birleşimine düşen örneklerin sayısını belirtir.

İki sınıf için dört sayı elde edersiniz: doğru pozitifler, doğru negatifler ve iki hata türü. Bildiğiniz her ölçüt bunlardan oluşturulur.

Doğru pozitif, doğru biçimde işaretlediğiniz gerçek bir pozitiftir; örneğin gerçek bir spam'in doğrudan spam klasörüne gönderilmesi gibi. Kusursuz bir sonuçtur.

Doğru negatif, doğru biçimde olduğu gibi bıraktığınız gerçek bir negatiftir; örneğin normal bir e-postanın güvenle gelen kutusunda kalması gibi.

Yanlış pozitif, yanlış bir alarmdır: aslında negatif olan bir şeyi pozitif olarak işaretlemişsinizdir; örneğin gerçek bir e-postanın yanlışlıkla spam olarak işaretlenmesi gibi.

Yanlış negatif, gözden kaçırmadır: gerçek bir pozitifi fark etmeden geçirmişsinizdir; örneğin spam'in işaretlenmeden gelen kutusuna ulaşması gibi.

Doğru tahminler çapraz köşegende yer alır. Güçlü bir model sayıları burada yoğunlaştırır ve çapraz köşegen dışındaki hücreleri neredeyse boş bırakır.

scikit-learn, matrisi gerçek ve tahmin edilen etiketlerinizden tek bir çağrıyla oluşturur.

Çizilmiş bir matris hataları görünür hâle getirir; böylece hangi sınıfın hangisiyle karıştırıldığını anında görürsünüz.

Modelin kör noktasını bulmak için çapraz köşegen dışındaki hücreleri inceleyin. Örneğin çok sayıda yanlış negatif, gerçek pozitiflerin kaçırıldığı konusunda sizi uyarır.

Karışıklık matrisi sonuçları dört hücreye ayırır. Çapraz köşegen doğru sonuçları barındırır; çapraz köşegen dışındaki hücreler modelinizin tam olarak nerede hata yaptığını gösterir. 🔍