складність 1/5
Confusion matrix
Таблиця, яка рахує, як прогнози класифікатора співвідносяться з істиною — правильні й хибні, з розбивкою за тим, який клас спрогнозовано, а який був насправді.
Інтуїція
Одне число точності каже, як часто класифікатор має рацію. Воно не каже, у який спосіб він помиляється, — а для більшості реальних задач саме це й важить. Пропустити шахрайство — не те саме, що позначити чесну транзакцію, хоча для точності обидві помилки однакові [2, Accuracy].
Матриця помилок тримає різні помилки нарізно. Кожен прогноз потрапляє в одну клітинку, і форма таблиці показує, яку саме помилку модель воліє робити [1, definition].
Майже кожна інша метрика класифікації на цьому сайті — це відношення, обчислене з цих чотирьох клітинок. Вивчіть таблицю, і решта випливе сама [2, Recall · False positive rate · Precision].
Формальне визначення
Як це працює
Де застосовується
Чому і коли
Практичний приклад
Типові помилки
Перевірте себе
3 запитання
Запитання до цієї сторінки входять у доступ. Їх перевіряє сервер, тож відповіді лишаються там, доки ви не дасте свою.
На шпаргалці: Classification metrics →
Джерела
- scikit-learn — sklearn.metrics.confusion_matrixdocs · звірено 2026-08-31https://scikit-learn.org/stable/modules/generated/sklearn.metrics.confusion_matrix.html
- Machine Learning Crash Course — Classification: accuracy, recall, precision, and related metricscourse · звірено 2026-10-04https://developers.google.com/machine-learning/crash-course/classification/accuracy-precision-recall
- Machine Learning Crash Course — Thresholds and the confusion matrixcourse · звірено 2026-10-06https://developers.google.com/machine-learning/crash-course/classification/thresholding
- Introduction to Information Retrieval (2008)bookhttps://nlp.stanford.edu/IR-book/html/htmledition/irbook.html