ماتریس درهم‌ریختگی

از ویکی‌پدیا، دانشنامهٔ آزاد
پرش به: ناوبری، جستجو

در حوزهٔ هوش مصنوعی، ماتریس در هم ریختگی (به انگلیسی: confusion matrix) به ماتریسی گفته می‌شود که در آن عملکرد الگوریتم‌های مربوطه را نشان می‌دهند. معمولاً چنین نمایشی برای الگوریتم‌های یادگیری با ناظر استفاده می‌شود، اگرچه در یادگیری بدون ناظر نیز کاربرد دارد. معمولاً به کاربرد این ماتریس در الگوریتم‌های بدون ناظر ماتریس تطابق می گویند. هر ستون از ماتریس، نمونه‌ای از مقدار پیش بینی شده را نشان می‌دهد. در صورتی که هر سطر نمونه‌ای واقعی (درست) را در بر دارد. اسم این ماتریس نیز از آنجا بدست می‌آید که امکان این را آسانتر اشتباه و تداخل بین نتایج را مشاهده کرد. در خارج از هوش مصنوعی این ماتریس معمولاً ماتریس پیشایندی (contingency matrix) یا ماتریس خطا (error matrix) نامیده می‌شود.[۱]

مثال[ویرایش]

فرض کنیم االگوریتمی برای کلاس بندی بین گربه‌ها، سگ‌ها، خرگوش‌ها طراحی کرده‌ایم. فرض کنیم در این مثال ۸ گربه، ۶ سگ و ۱۳ خرگوش داریم. در سطر مربوط به گربه‌ها، ۳ مورد به عنوان گربه و ۲ مورد به عنوان سگ دسته بندی شده‌اند. در صورتی که در سطر مربوط به خرگوش‌ها، تنها چند مورد اشتباه وجود دارد. به سادگی مشاهده می‌شود که عملکرد الگوریتم در تمییز دسته‌های خرگوش‌ها بسیار بهتر است نیست به گربه‌ها. مشخص است که اعداد روی قطر اصلی ماتریس نمایش تعداد کلاس بندی‌های درست هستند. لذا در صورتی که تمام اعدا غیر روی قطر اصلی صفر باشند، الگوریتم دارای دقت حداکثر است.

پیش بینی شده
class
گربه سگ خرگوش
کلاس واقعی گربه ۵ ۳ ۰
سگ ۲ ۳ ۱
خرگوش ۰ ۲ ۱۱

منابع[ویرایش]

  1. Stehman, Stephen V. (1997). "Selecting and interpreting measures of thematic classification accuracy". Remote Sensing of Environment 62 (1): 77–89. DOI:10.1016/S0034-4257(97)00083-7.