O que é matriz de confusão?

Uma matriz de confusão é uma tabela que é utilizada para descrever o desempenho de um modelo de classificação. Ela permite visualizar a performance do modelo ao comparar as previsões feitas pelo modelo com os valores reais dos dados.

Uma matriz de confusão é composta por quatro quadrantes:

• Verdadeiro positivo (TP): quando o modelo prevê corretamente uma classe positiva.
• Falso positivo (FP): quando o modelo prevê incorretamente uma classe positiva.
• Verdadeiro negativo (TN): quando o modelo prevê corretamente uma classe negativa.
• Falso negativo (FN): quando o modelo prevê incorretamente uma classe negativa.

Com base nos valores desses quadrantes, é possível calcular diversas métricas de avaliação do modelo, como a precisão, a sensibilidade, a especificidade e a acurácia. A matriz de confusão é uma ferramenta importante para avaliar a performance de modelos de classificação e identificar possíveis áreas de melhoria.