Точность скрывает проблемы. Матрица ошибок их выявляет. В таблице приведена перекрестная таблица, сопоставляющая предсказанные метки с фактическими, точно показывающая, где классификатор преуспевает, а где терпит неудачу.

Строки, как правило, представляют собой фактические классы, а столбцы — прогнозы. По диагонали располагаются правильные классификации. Ячейки вне диагонали показывают конкретные ошибки, например, доброкачественные опухоли, предсказанные как злокачественные. Закономерности в этих ячейках помогают улучшить результаты.

Производные метрики

• Точность прогнозирования: сколько из предсказанных положительных результатов являются правильными.
• Напомним, сколько фактически положительных результатов было обнаружено.
• Специфичность, частота истинно отрицательных результатов
• F1-мера, гармоническое среднее точности и полноты

Дисбаланс классов делает матрицу крайне важной. Когда один класс доминирует, точность кажется высокой, в то время как миноритарный класс игнорируется. Матрица показывает, действительно ли модель обучается или просто предсказывает метку большинства.