A matriz de confusão uma ferramenta muito usada para avaliações de modelos de classificação em Aprendizado de Máquina, classificado em algumas freq...

A matriz de confusão é uma ferramenta muito útil para avaliar a performance de modelos de classificação em Aprendizado de Máquina. Ela é composta por quatro elementos: verdadeiro positivo, falso positivo, verdadeiro negativo e falso negativo. O verdadeiro positivo ocorre quando a classe foi prevista corretamente, o falso positivo ocorre quando a classe foi prevista incorretamente, o verdadeiro negativo ocorre quando a classe que não estamos buscando prever é prevista corretamente e o falso negativo ocorre quando a classe que não estamos buscando prever é prevista incorretamente. A partir desses elementos, podemos calcular diversas métricas de avaliação, como a acurácia, precisão, recall, entre outras.