Matrice de confusion

term_id: confusion_matrix

Category: basic_concepts

Definition

Une matrice de confusion est une disposition tabulaire spécifique qui permet de visualiser les performances d’un algorithme, généralement supervisé. Elle affiche les effectifs des vrais positifs, des vrais négatifs, des faux positifs et des faux négatifs.

Summary

Un tableau utilisé pour décrire les performances d’un modèle de classification sur un ensemble de données de test.

Key Concepts

  • Vrais positifs
  • Faux négatifs
  • Précision
  • Rappel

Use Cases

  • Évaluation des classificateurs binaires
  • Analyse des performances de classification multi-classe
  • Débogage du biais du modèle sur des jeux de données déséquilibrés

Code Example

1
2
3
4

from sklearn.metrics import confusion_matrix
y_true = [2, 0, 2, 2, 0, 1]
y_pred = [0, 0, 2, 2, 0, 2]
print(confusion_matrix(y_true, y_pred))

Related