Nauwkeurigheid verbergt problemen. Een verwarringsmatrix legt ze bloot. De tabel vergelijkt de voorspelde labels met de werkelijke labels en laat precies zien waar een classificator slaagt en waar hij faalt.

Rijen vertegenwoordigen doorgaans de werkelijke klassen en kolommen de voorspellingen. De diagonaal bevat de correcte classificaties. Cellen buiten de diagonaal tonen specifieke fouten, zoals goedaardige tumoren die als kwaadaardig zijn voorspeld. Patronen in die cellen geven richting aan verbetering.

Afgeleide meetwaarden

• Precisie van de voorspelde positieve resultaten, hoeveel daarvan zijn correct?
• Bedenk nog eens hoeveel positieve gevallen er daadwerkelijk zijn gevonden.
• Specificiteit, ware negatieve ratio
• F1-score, harmonisch gemiddelde van precisie en recall

Klasse-ongelijkheid maakt de matrix essentieel. Wanneer één klasse domineert, lijkt de nauwkeurigheid hoog, terwijl de minderheidsklasse wordt genegeerd. De matrix laat zien of het model daadwerkelijk leert of simpelweg het label van de meerderheid voorspelt.