Uma matriz de confusão é uma ferramenta usada em classificações numéricas de aprendizado de máquina para avaliar o desempenho de um modelo de classificação. É uma tabela usada para avaliar a precisão de um algoritmo de classificação. Cada linha da matriz é uma classe prevista e cada coluna é uma classe real. A matriz consiste em quatro métricas diferentes: verdadeiros positivos (TP), verdadeiros negativos (TN), falsos positivos (FP) e falsos negativos (FN).
Uma matriz de confusão é uma ferramenta útil na análise da eficácia de um modelo preditivo. É usado para determinar o número de erros cometidos pelo modelo na previsão ou classificação de pontos de dados e para comparar dois métodos de classificação para o mesmo conjunto de dados. A matriz também pode ser usada para avaliar a precisão das previsões de um modelo.
A precisão de um modelo é calculada somando o número total de verdadeiros positivos e verdadeiros negativos e dividindo essa soma pelo número total de pontos de dados. O cálculo de outras métricas, como precisão (a proporção de verdadeiros positivos para todas as amostras classificadas como positivas) e recall (a proporção de verdadeiros positivos para todos os verdadeiros positivos) também são possíveis usando a matriz de confusão.
A matriz de confusão é uma ferramenta útil para analisar o desempenho de diferentes classificadores, bem como para comparar o desempenho de diferentes técnicas de classificação. Pode ajudar a identificar modelos superajustados que são propensos a overfitting e viés de subespecificação. Também pode ser usado para avaliar a capacidade de um modelo de classificar corretamente dados não vistos e determinar se mais dados precisam ser usados para melhorias adicionais de precisão.
Matrizes de confusão são usadas em uma ampla gama de aplicações, incluindo marketing, finanças, medicina, engenharia, estatística e aprendizado de máquina. Eles são particularmente populares em aprendizado de máquina, pois fornecem uma representação visual do desempenho de diferentes classificadores em um determinado conjunto de dados.
