Visão geral
Uma Matriz de Confusão (Confusion Matrix) é uma ferramenta fundamental utilizada para avaliar o desempenho de modelos de classificação em aprendizado de máquina, como as previsões de DORA. Ele compara visualmente as classificações previstas do modelo com os resultados reais, ajudando a avaliar a precisão e a identificar áreas de melhoria.
A matriz é composta por quatro componentes principais:
Verdadeiro Positivo (True Positive): Quando o modelo prevê corretamente um resultado positivo.
Verdadeiro Negativo (True Negative): quando o modelo prevê corretamente um resultado negativo.
Falso Positivo (False Positive): Quando o modelo prevê incorretamente um resultado positivo.
Falso Negativo (False Negative): quando o modelo prevê incorretamente um resultado negativo.
Layout de matriz
A Matriz de Confusão (Confusion Matrix) é exibida como uma grade, onde cada quadrante representa esses resultados possíveis, fornecendo um resumo rápido do desempenho do modelo.
Exemplo de saída da Matriz de Confusão (Confusion Matrix) DORA:
Explicação de como interpretar a saída:
O que a Matrix lhe diz
A Matriz de Confusão (Confusion Matrix) ajuda a identificar rapidamente onde o modelo está apresentando bom desempenho e onde precisa de melhorias:
Altos verdadeiros positivos e verdadeiros negativos: indicam que o modelo está fazendo previsões precisas.
Altos falsos positivos e falsos negativos: apontam para áreas onde o modelo está classificando dados incorretamente e onde está classificando os dados com precisão.
Ao compreender esses resultados, você pode ajustar a seleção de recursos e refinar os parâmetros do modelo para reduzir erros e aumentar a precisão da previsão.
Ainda tem dúvidas?
Entre em contato com seu contato dedicado DORA ou envie um e-mail para support@VRIFY.com para obter mais informações.