Karışıklık matrisi, bir sınıflandırma modelinin performansını değerlendirmek için sayısal makine öğrenimi sınıflandırmalarında kullanılan bir araçtır. Bir sınıflandırma algoritmasının doğruluğunu değerlendirmek için kullanılan bir tablodur. Matrisin her satırı tahmin edilen bir sınıf, her sütun ise gerçek bir sınıftır. Matris dört farklı ölçümden oluşur: gerçek pozitifler (TP), gerçek negatifler (TN), yanlış pozitifler (FP) ve yanlış negatifler (FN).
Karışıklık matrisi, tahmine dayalı bir modelin etkinliğini analiz etmede yararlı bir araçtır. Veri noktalarının tahmin edilmesinde veya sınıflandırılmasında modelin yaptığı hata sayısını belirlemek ve aynı veri kümesi için iki sınıflandırma yöntemini karşılaştırmak için kullanılır. Matris aynı zamanda bir modelin tahminlerinin doğruluğunu değerlendirmek için de kullanılabilir.
Bir modelin doğruluğu, gerçek pozitiflerin ve gerçek negatiflerin toplam sayısının toplanması ve bu toplamın toplam veri noktası sayısına bölünmesiyle hesaplanır. Kesinlik (gerçek pozitiflerin pozitif olarak sınıflandırılan tüm örneklere oranı) ve geri çağırma (gerçek pozitiflerin tüm gerçek pozitiflere oranı) gibi diğer ölçümlerin hesaplanması da karışıklık matrisi kullanılarak mümkün kılınır.
Karışıklık matrisi, farklı sınıflandırıcıların performansını analiz etmenin yanı sıra farklı sınıflandırma tekniklerinin performansını karşılaştırmak için de yararlı bir araçtır. Aşırı uyum ve yetersiz spesifikasyon yanlılığına eğilimli olan aşırı donatılmış modellerin belirlenmesine yardımcı olabilir. Ayrıca, bir modelin görünmeyen verileri doğru şekilde sınıflandırma yeteneğini değerlendirmek ve doğruluğun daha fazla iyileştirilmesi için daha fazla veri kullanılması gerekip gerekmediğini belirlemek için de kullanılabilir.
Karışıklık matrisleri pazarlama, finans, tıp, mühendislik, istatistik ve makine öğrenimi dahil olmak üzere çok çeşitli uygulamalarda kullanılmaktadır. Belirli bir veri kümesindeki farklı sınıflandırıcıların performansının görsel bir temsilini sağladıkları için makine öğreniminde özellikle popülerdirler.
