Dokładność ukrywa problemy. Macierz pomyłek je ujawnia. Tabela zestawia przewidywane etykiety z rzeczywistymi, pokazując dokładnie, gdzie klasyfikator działa, a gdzie nie.

Wiersze zazwyczaj reprezentują rzeczywiste klasy, a kolumny – prognozy. Przekątna zawiera prawidłowe klasyfikacje. Komórki poza przekątną pokazują specyficzne błędy, takie jak łagodne guzy uznane za złośliwe. Wzory w tych komórkach determinują postęp.

Pochodne metryki

• Precyzja, ile przewidywanych wyników pozytywnych jest poprawnych
• Przypomnij sobie, ile faktycznie znaleziono pozytywnych wyników
• Specyficzność, prawdziwie ujemny wskaźnik
• Wynik F1, średnia harmoniczna precyzji i wykrywalności

Nierównowaga klasowa sprawia, że ​​macierz jest niezbędna. Gdy jedna klasa dominuje, dokładność wydaje się wysoka, podczas gdy klasa mniejszościowa jest ignorowana. Macierz ujawnia, czy model faktycznie się uczy, czy po prostu przewiduje etykietę większości.