Noggrannhet döljer problem. En förvirringsmatris blottar dem. Tabellen korstabulerar förutspådda etiketter mot faktiska etiketter och visar exakt var en klassificerare lyckas och var den misslyckas.

Rader representerar vanligtvis faktiska klasser och kolumner representerar förutsägelser. Diagonalen innehåller korrekta klassificeringar. Celler utanför diagonalen visar specifika fel, såsom godartade tumörer som förutspås som maligna. Mönster i dessa celler styr förbättring.

Härledda mätvärden

• Precision, av förväntade positiva värden, hur många är korrekta
• Kom ihåg, av de faktiska positiva resultaten, hur många som hittades
• Specificitet, sann negativ frekvens
• F1-poäng, harmoniskt medelvärde av precision och återkallelse

Klassobalans gör matrisen viktig. När en klass dominerar ser noggrannheten ut att vara hög medan minoritetsklassen ignoreras. Matrisen avslöjar om modellen faktiskt lär sig eller helt enkelt förutsäger majoritetsbeteckningen.