Ma trận nhầm lẫn là một công cụ được sử dụng trong phân loại học máy bằng số để đánh giá hiệu suất của mô hình phân loại. Nó là một bảng được sử dụng để đánh giá tính chính xác của thuật toán phân loại. Mỗi hàng của ma trận là một lớp được dự đoán và mỗi cột là một lớp thực tế. Ma trận bao gồm bốn số liệu khác nhau: dương tính thật (TP), âm tính thật (TN), dương tính giả (FP) và âm tính giả (FN).
Ma trận nhầm lẫn là một công cụ hữu ích trong việc phân tích tính hiệu quả của mô hình dự đoán. Nó được sử dụng để xác định số lỗi do mô hình mắc phải khi dự đoán hoặc phân loại các điểm dữ liệu và để so sánh hai phương pháp phân loại cho cùng một tập dữ liệu. Ma trận cũng có thể được sử dụng để đánh giá tính chính xác của các dự đoán của mô hình.
Độ chính xác của mô hình được tính bằng cách tính tổng số lượng dương tính thực và âm tính thực và chia tổng này cho tổng số điểm dữ liệu. Việc tính toán các số liệu khác như độ chính xác (tỷ lệ dương tính thật trên tất cả các mẫu được phân loại là dương tính) và thu hồi (tỷ lệ dương tính thực với tất cả dương tính thực) cũng có thể được thực hiện bằng cách sử dụng ma trận nhầm lẫn.
Ma trận nhầm lẫn là một công cụ hữu ích để phân tích hiệu suất của các bộ phân loại khác nhau, cũng như để so sánh hiệu suất của các kỹ thuật phân loại khác nhau. Nó có thể giúp xác định các mô hình được trang bị quá mức có xu hướng thiên về trang bị quá mức và thiếu thông số kỹ thuật. Nó cũng có thể được sử dụng để đánh giá khả năng của mô hình trong việc phân loại chính xác dữ liệu chưa nhìn thấy và xác định xem có cần sử dụng thêm dữ liệu để cải thiện độ chính xác hơn nữa hay không.
Ma trận nhầm lẫn được sử dụng trong nhiều ứng dụng, bao gồm tiếp thị, tài chính, y học, kỹ thuật, thống kê và học máy. Chúng đặc biệt phổ biến trong học máy vì chúng cung cấp sự thể hiện trực quan về hiệu suất của các bộ phân loại khác nhau trên một tập dữ liệu nhất định.
