Académique Documents
Professionnel Documents
Culture Documents
La matrice de confusion est une table qui répertorie les résultats de la classification en
fonction des prédictions et des résultats réels. Elle permet de visualiser les
performances du modèle en termes de précision, de rappel, de taux de faux positifs et
de taux de faux négatifs.
La matrice de confusion est généralement présentée sous la forme d'un tableau à deux
dimensions, avec les prédictions en colonne et les résultats réels en ligne. Les cellules
de la matrice représentent le nombre d'observations qui ont été classées dans chaque
catégorie. Les cellules diagonales représentent les prédictions correctes, tandis que les
cellules non diagonales représentent les erreurs de classification.
En résumé, la matrice de confusion est un outil utile pour évaluer les performances
d'un modèle de classification et pour comprendre ses forces et ses faiblesses. Elle est
largement utilisée dans de nombreux domaines de l'AI, tels que la vision par
ordinateur, le traitement du langage naturel et la classification des données.
Métrique d’évaluation :