Deutsch
Menü

Was ist Konfusionsmatrix (Wahrheitsmatrix)?

Eine Tabelle, die für jede Kombination aus Vorhersage eines Klassifikationsmodells und tatsächlicher richtiger Antwort die Zahl der Datenpunkte zählt. Bei der Klassifikation mit zwei Klassen hat sie vier Felder: richtig positiv (TP), positive Fälle korrekt als positiv vorhergesagt; falsch positiv (FP), negative Fälle fälschlich als positiv vorhergesagt; falsch negativ (FN), positive Fälle fälschlich als negativ vorhergesagt; und richtig negativ (TN), negative Fälle korrekt als negativ vorhergesagt. Daraus lassen sich Accuracy, Precision, Recall, F1-Score und weitere Kennzahlen berechnen, und sie zeigt auch, welche Klassen leicht mit welchen verwechselt werden.

Japanische Bezeichnung: 混同行列

„Konfusionsmatrix (Wahrheitsmatrix)“ kommt in 1 Übungsfragen aus 1 Themen vor, z. B. Grundlagen des maschinellen Lernens.

Fachgebiet: Grundlagen des maschinellen Lernens

Jetzt üben: Fragen zu Konfusionsmatrix (Wahrheitsmatrix)

Ein Modell für die Klassifikation mit zwei Klassen wurde mit 200 Testdaten bewertet. Die Konfusionsmatrix zeigt 45 richtig positive (TP), 5 falsch positive (FP), 45 falsch negative (FN) und 105 richtig negative (TN). Welches Paar aus Precision und Recall ist richtig?

  1. APrecision 0,50, Recall 0,90
  2. BPrecision 0,75, Recall 0,50
  3. CPrecision 0,90, Recall 0,50
Antwort und Erläuterung anzeigen

Antwort: C. Precision 0,90, Recall 0,50

Die Precision ist der Anteil der als positiv vorhergesagten Fälle, die tatsächlich positiv sind: TP ÷ (TP + FP) = 45 ÷ 50 = 0,90. Der Recall ist der Anteil der tatsächlich positiven Fälle, die als positiv vorhergesagt wurden: TP ÷ (TP + FN) = 45 ÷ 90 = 0,50. Dieses Modell liegt fast immer richtig, wenn es „positiv“ sagt, übersieht aber die Hälfte der positiven Fälle. Die Accuracy (der Anteil richtiger Vorhersagen) beträgt (45 + 105) ÷ 200 = 0,75.

Fragen mit „Konfusionsmatrix (Wahrheitsmatrix)“ (1)

  1. Ein Modell für die Klassifikation mit zwei Klassen wurde mit 200 Testdaten bewertet. Die Konfusionsmatrix zeigt 45 richtig positive (TP), 5 falsch positive (FP), 45 falsch negative (FN) und 105 richtig negative (TN). Welches Paar aus Precision und Recall ist richtig?

Verwandte Begriffe

Precision und Recall Aktivierungsfunktion Bestärkendes Lernen (Reinforcement Learning) Convolutional Neural Network (CNN) Gradientenabstieg (Gradient Descent) Hauptkomponentenanalyse (PCA) k-Means-Algorithmus Kreuzvalidierung Regularisierung Rekurrentes neuronales Netz (RNN)

Zur Glossarübersicht