Таблица, показывающая, что классификатор определил правильно, а что — ошибочно, по каждому классу.Матрица ошибок (confusion matrix) — это специальная таблица, позволяющая наглядно представить качество работы алгоритма обучения с учителем, как правило, классификатора. Каждая строка матрицы соответствует объектам реального класса, а каждый столбец — объектам предсказанного класса (или наоборот). Название происходит от того, что она позволяет легко увидеть, путает ли система два класса (то есть часто ошибочно относит один класс к другому).
Термин получил распространение в области машинного обучения в 1960-х годах, хотя концепция таблицы сопряжённости в статистике появилась раньше. Точное происхождение термина неясно.
Для задачи классификации с N классами матрица имеет размер N×N. Диагональные ячейки показывают количество правильных предсказаний для каждого класса, а внедиагональные — ошибки классификации. На основе этой таблицы можно вычислить такие метрики, как точность (accuracy), полнота (precision), recall и F1-мера. Для бинарной классификации матрица имеет размер 2×2, и её элементы обычно называют истинно положительными, ложноположительными, истинно отрицательными и ложноотрицательными.
Используется для оценки и сравнения классификаторов в таких областях, как медицинская диагностика, обнаружение спама и распознавание изображений, где понимание типов ошибок важнее, чем общая точность.
С помощью матрицы ошибок можно вычислить коэффициент корреляции Мэтьюса — единую метрику, которая обобщает всю матрицу и часто оказывается более информативной, чем точность, для несбалансированных наборов данных.
