Confusion Matrix – tabela błędów modelu.

Tabela błędów modelu stanowi narzędzie oceny jakości klasyfikatorów w dziedzinie sztucznej inteligencji i uczenia maszynowego. Jest to macierz, w której wiersze reprezentują rzeczywiste klasy, natomiast kolumny – klasy przewidywane przez model. Każda komórka macierzy zawiera liczbę przypadków przypisanych odpowiednio do konkretnej kombinacji klasy rzeczywistej i przewidywanej. Dzięki temu możliwe jest uzyskanie szczegółowego obrazu działania modelu, w tym identyfikacja rodzajów popełnianych błędów.

Analiza tabeli błędów umożliwia wyznaczenie podstawowych metryk jakości modelu, takich jak dokładność, precyzja, recall (czułość) czy wskaźnik F1. Pomaga to w ocenie, jak dobrze klasyfikator radzi sobie z rozpoznawaniem poszczególnych klas, a także pozwala na identyfikację klas, które są mylone najczęściej. W praktyce stanowi narzędzie niezbędne podczas procesu trenowania i optymalizacji modeli predykcyjnych, zwłaszcza w kontekście problemów z nierównomiernym rozkładem danych lub różnorodnymi konsekwencjami błędów.