Konfusionsmatrix

Das Ziel der Konfusionsmatrix ist, dir Anhaltspunkte für die Verbesserung deines Klassifikators und deiner Datenqualität zu liefern. In ihr werden die Kategorien auf einer noch tieferen Detailebene analysiert. Sie gibt zudem noch mehr Transparenz in Bezug auf die Ergebnisse von Precision, Recall und F1-Mass. 

Die Konfusionsmatrix ist aus den zwei Achsen «Tatsächliche Kategorie» und «Vorausgesagte Kategorie» aufgebaut. Aus den vorausgesagten Kategorien lässt sich der Precision Wert berechnen (= Diagonalelement / Summe der Spalte), aus den tatsächlichen Kategorien der Recall Wert (= Diagonalelement / Summe der Zeile).

Bildschirmfoto_2020-08-26_um_14.33.31.png

Die blaue Diagonale zeigt die Anzahl der korrekt klassifizierten Beispiele pro Kategorie an. In allen anderen Feldern wurden die Beispiele fehlerhaft klassifiziert. Die anderen farblich gekennzeichneten Felder weisen auf besonders hohe Anzahl Beispiele hin, die nicht richtig klassifiziert werden konnten. 

Die Konfusionsmatrix bietet zwei Interaktionsmöglichkeiten:

  1. Durch Mouse-over erhält man einen Überblick über welche Kategorie die Beispiele in einem Feld angehören und wie die Kategorie-Vorhersage für diese Beispiele lautet. 
  2. Das inverse Feld wird hervorgehoben. Dabei handelt es sich um die gleichen Kategorien in umgekehrter Reihenfolge. Mit einem klick auf ein Feld öffnen sich die in diesem Feld enthaltenen Beispiele unterhalb der Konfusionsmatrix.

Bildschirmfoto_2020-08-26_um_14.40.41.png

 

War dieser Beitrag hilfreich?
0 von 0 fanden dies hilfreich