Confusion Matrix: Tổng Quan và Ứng Dụng
Nội dung
- 1. Giới thiệu
- 2. Khái niệm Confusion Matrix
- 3. Các thành phần trong Confusion Matrix
- 4. Các chỉ số đánh giá từ Confusion Matrix
- 5. Ứng dụng Confusion Matrix trong bài toán phân loại
- 6. Tham khảo
1. Giới thiệu
Confusion Matrix là một công cụ giúp đánh giá hiệu quả của mô hình phân loại. Nó cho biết mô hình dự đoán đúng sai như thế nào trên từng loại nhãn.
2. Khái niệm Confusion Matrix
Confusion Matrix là bảng thể hiện số lượng dự đoán đúng và sai giữa nhãn thật và nhãn dự đoán của mô hình.
3. Các thành phần trong Confusion Matrix
Trong bài toán phân loại nhị phân, Confusion Matrix gồm 4 phần chính:
- True Positive (TP): Dự đoán đúng nhãn Positive
- True Negative (TN): Dự đoán đúng nhãn Negative
- False Positive (FP): Dự đoán sai nhãn Positive (thực ra là Negative)
- False Negative (FN): Dự đoán sai nhãn Negative (thực ra là Positive)
4. Các chỉ số đánh giá từ Confusion Matrix
4.1 Accuracy
Tỉ lệ dự đoán đúng trên tổng số mẫu:
\(\text{Accuracy} = \frac{TP + TN}{TP + TN + FP + FN}\)
4.2 Precision
Tỉ lệ dự đoán đúng trong số mẫu dự đoán là Positive:
\(\text{Precision} = \frac{TP}{TP + FP}\)
4.3 Recall
Tỉ lệ dự đoán đúng trong số mẫu thật là Positive:
\(\text{Recall} = \frac{TP}{TP + FN}\)
4.4 F1-Score
Là trung bình harmonic của Precision và Recall:
\(\text{F1} = 2 \times \frac{\text{Precision} \times \text{Recall}}{\text{Precision} + \text{Recall}}\)
5. Ứng dụng Confusion Matrix trong bài toán phân loại
Giả sử bài toán phân loại nhị phân có kết quả như sau:
| Mẫu | Ground truth | Predicted |
|---|---|---|
| 1000 | Positive | Positive |
| 200 | Positive | Negative |
| 1500 | Negative | Negative |
| 300 | Negative | Positive |
Tính được:
- TP = 1000
- TN = 1500
- FP = 300
- FN = 200
Các chỉ số:
\[\text{Accuracy} = \frac{1000 + 1500}{1000 + 1500 + 300 + 200} = \frac{2500}{3000} = 0.8333\] \[\text{Precision} = \frac{1000}{1000 + 300} = \frac{1000}{1300} \approx 0.7692\] \[\text{Recall} = \frac{1000}{1000 + 200} = \frac{1000}{1200} \approx 0.8333\] \[\text{F1} = 2 \times \frac{0.7692 \times 0.8333}{0.7692 + 0.8333} \approx 0.8000\]6. Tham khảo
[1] Scikit-learn Developers. sklearn.metrics.confusion_matrix — scikit-learn 1.4.2 documentation. 🔗 https://scikit-learn.org/stable/modules/generated/sklearn.metrics.confusion_matrix.html