4.3.0
Confusion matrix
สรุป
- Confusion matrix รวม TP, FP, FN, TN ไว้ในตารางเดียว
- ช่วยเห็นว่าความผิดพลาดแบบใดเกิดบ่อย
- เป็นพื้นฐานของ Accuracy, Precision, Recall และ F1
1. โครงสร้าง #
| ทำนาย: ลบ | ทำนาย: บวก | |
|---|---|---|
| จริง: ลบ | TN | FP |
| จริง: บวก | FN | TP |
2. ทำไมถึงสำคัญ #
- เห็นชัดว่าพลาดแบบ FP หรือ FN มากกว่า
- ในงานหลายคลาสช่วยดูว่าคลาสไหนถูกสับสนกับคลาสไหน
3. ข้อแนะนำ #
- ใช้แบบ normalized เมื่อขนาดคลาสต่างกันมาก
- อ่านคู่กับ Precision/Recall เพื่อมุมมองครบ