Die Konfusionsmatrix ist ein wichtiges Werkzeug im Bereich des maschinellen Lernens und der Klassifikation, um die Leistungsfähigkeit von Klassifikationsmodellen zu bewerten. Sie dient dazu, die Vorhersagen eines Modells mit den tatsächlichen Werten zu vergleichen und gibt Aufschluss über die Güte der Vorhersagen.
Eine Konfusionsmatrix besteht aus einer Tabelle, die die Anzahl der korrekten und fehlerhaften Klassifikationen enthält. Sie wird typischerweise in Form einer Matrix dargestellt, wobei die Zeilen die tatsächlichen Klassen (ground truth) und die Spalten die vorhergesagten Klassen darstellen. Die Matrix enthält folgende grundlegende Elemente:
- Wahre Positiven (True Positives – TP): Die Anzahl der Fälle, die korrekt als positiv klassifiziert wurden.
- Falsche Positiven (False Positives – FP): Die Anzahl der Fälle, die fälschlicherweise als positiv klassifiziert wurden, obwohl sie tatsächlich negativ sind.
- Wahre Negativen (True Negatives – TN): Die Anzahl der Fälle, die korrekt als negativ klassifiziert wurden.
- Falsche Negativen (False Negatives – FN): Die Anzahl der Fälle, die fälschlicherweise als negativ klassifiziert wurden, obwohl sie tatsächlich positiv sind.
Mithilfe der Konfusionsmatrix können verschiedene Metriken berechnet werden, um die Leistung des Modells zu bewerten. Dazu gehören:
- Genauigkeit (Accuracy): Der Anteil der korrekt klassifizierten Fälle an allen Fällen.
- Präzision (Precision): Der Anteil der korrekt klassifizierten positiven Fälle an allen als positiv klassifizierten Fällen.
- Rückruf (Recall): Der Anteil der korrekt klassifizierten positiven Fälle an allen tatsächlich positiven Fällen.
- F1-Score: Der harmonische Mittelwert aus Präzision und Rückruf, der eine ausgewogene Leistungsmessung liefert.
- ROC-AUC: Ein Maß, das die Fähigkeit des Modells misst, positive und negative Klassen voneinander zu unterscheiden.
Die Konfusionsmatrix ist ein unverzichtbares Instrument, um die Stärken und Schwächen eines Klassifikationsmodells zu identifizieren. Sie hilft dabei, die Modellleistung zu analysieren und gezielte Verbesserungen vorzuschlagen.