| http://dbpedia.org/ontology/abstract
|
기계 학습 분야의 통계적 분류 같은 문제에서 컨퓨전 행렬, 이란 지도 학습으로 훈련된 분류 알고리즘의 성능을 시각화 할 수 있는 표이다. 행렬의 각 행은 예측 된 클래스의 인스턴스를 나타내며 각 열은 실제 클래스의 인스턴스를 나타낸다 (또는 그 반대). 컨퓨전이라는 이름은 시스템이 두 개의 클래스를 얼마나 헷갈려 하는지를 쉽게 알 수 있다는 사실에서 유래되었다.
, В галузі машинного навчання, й зокрема в з … В галузі машинного навчання, й зокрема в задачі статистичної класифікації, ма́триця невідпові́дностей (англ. confusion matrix), також відома як матриця помилок (англ. error matrix), — це таблиця особливого компонування, що дає можливість унаочнювати продуктивність алгоритму, зазвичай керованого навчання (у спонтаннім навчанні її зазвичай називають ма́трицею допасо́ваності, англ. matching matrix). Кожен з рядків цієї матриці представляє зразки прогнозованого класу, тоді як кожен зі стовпців представляє зразки справжнього класу (або навпаки). Її назва походить від того факту, що вона дає можливість просто бачити, чи допускає система невідповідності між цими двома класами (наприклад, часто помилково маркуючи один як інший). Вона є особливим видом таблиці спряженості з двома вимірами («справжній» та «прогнозований») та ідентичними наборами «класів» в обох вимірах (кожна з комбінацій виміру та класу є змінною цієї таблиці спряженості).класу є змінною цієї таблиці спряженості).
, 在機器學習領域和統計分類問題中，混淆矩阵（英語：confusion matrix）是可视化工具，特别用于监督学习，在无监督学习一般叫做匹配矩阵。矩阵的每一列代表一个类的实例预测，而每一行表示一个实际的类的实例。之所以如此命名，是因為通過這個矩陣可以方便地看出机器是否将两个不同的类混淆了（比如說把一個類錯當成了另一個）。 混淆矩阵（也稱誤差矩陣）是一種特殊的, 具有兩個維度的（實際和預測）列联表（英語：contingency table），並且兩維度中都有著一樣的類別的集合。
, Matice záměn (též konfusní či chybová mati … Matice záměn (též konfusní či chybová matice) v kontextu klasifikačních úloh strojového učení a matematické statistiky je kontingenční matice, obsahující ve sloupcích skutečnou hodnotu předpovídaného znaku a v řádcích předpověď . Buňky matice obsahují četnosti toho, kolikrát došlo na zkoumané datové množině k dané kombinaci skutečné a předpověděné hodnoty. Případy na diagonále matice záměn jsou klasifikovány správně, mimo diagonálu jde o chyby. Matice se používá ke stanovení vlastností a kvality klasifikátoru. Například je-li cílem klasifikátoru rozeznat, které zvíře z tříprvkové množiny je na obrázku, může matice záměn vypadat takto: Klasifikátor z tohoto příkladu zařadil 11 obrázků králíka správně, dva králíky zaměnil za psy a jednoho psa mylně určil jako králíka. K záměně králíka s kočkou nedošlo.rálíka. K záměně králíka s kočkou nedošlo.
, In the field of machine learning and speci … In the field of machine learning and specifically the problem of statistical classification, a confusion matrix, also known as an error matrix, is a specific table layout that allows visualization of the performance of an algorithm, typically a supervised learning one (in unsupervised learning it is usually called a matching matrix). Each row of the matrix represents the instances in an actual class while each column represents the instances in a predicted class, or vice versa – both variants are found in the literature. The name stems from the fact that it makes it easy to see whether the system is confusing two classes (i.e. commonly mislabeling one as another). It is a special kind of contingency table, with two dimensions ("actual" and "predicted"), and identical sets of "classes" in both dimensions (each combination of dimension and class is a variable in the contingency table).s is a variable in the contingency table).
, No campo do Aprendizado de Máquina uma mat … No campo do Aprendizado de Máquina uma matriz de confusão é uma tabela que permite a visualização do desempenho de um algoritmo de classificação . Essa tabela de contingência 2x2 especial é também chamada de matriz de erro. Cada linha da matriz representa instâncias de uma classe prevista enquanto cada coluna representa instâncias da classe atual (ou vice versa). O nome vem do fato que é fácil ver se o sistema está confundindo as duas classes (chamando uma classe como a outra). É um tipo especial de tabela de contingência, com duas dimensões ("atual" e "prevista"), e conjuntos de "classes" idênticos em ambas as dimensões (cada combinação das dimensões e classe é uma variável na tabela de contingência).é uma variável na tabela de contingência).
, En apprentissage automatique supervisé, la … En apprentissage automatique supervisé, la matrice de confusion est une matrice qui mesure la qualité d'un système de classification. Chaque ligne correspond à une classe réelle, chaque colonne correspond à une classe estimée. La cellule ligne L, colonne C contient le nombre d'éléments de la classe réelle L qui ont été estimés comme appartenant à la classe C. Attention il y a parfois interversion des axes de la matrice en fonction des auteurs. Un des intérêts de la matrice de confusion est qu'elle montre rapidement si un système de classification parvient à classifier correctement.cation parvient à classifier correctement.
, Tablica pomyłek (macierz błędów) jest stos … Tablica pomyłek (macierz błędów) jest stosowana przy ocenie jakości klasyfikacji binarnej (na dwie klasy). Dane oznaczone etykietami: pozytywną i negatywną poddawane są klasyfikacji, która przypisuje im predykowaną klasę pozytywną albo predykowaną klasę negatywną. Możliwa jest sytuacja, że dana oryginalnie oznaczona jako pozytywna zostanie omyłkowo zaklasyfikowana jako negatywną. Wszystkie takie sytuacje przedstawia tablica pomyłek. Tablica ma dwa wiersze i dwie kolumny. Wiersze przedstawiają klasy predykowane, kolumny zaś klasy rzeczywiste. Na bazie częstości występowania rzeczywistego stanu pozytywnego w populacji oraz wzajemnych relacji prawidłowych i nieprawidłowych klasyfikacji można wyróżnić szereg miar wartości diagnostycznej testu. Poniższy wykres podsumowuje ich powiązania, przy czym jest ułożony odwrotnie niż tablica powyżej: Miary:
* prawdziwie pozytywna (ang. true positive, TP)
* prawdziwie negatywna (ang. true negative, TN)
* fałszywie pozytywna (ang. false positive, FP), błąd pierwszego rodzaju
* fałszywie negatywna (ang. false negative, FN), błąd drugiego rodzaju
* czułość (ang. sensitivity, recall) lub odsetek prawdziwie pozytywnych (ang. true positive rate, TPR)
* swoistość (ang. specificity, SPC) lub odsetek prawdziwie negatywnych (ang. true negative rate, TNR)
* precyzja (ang. precision, lub positive predictive value, PPV – wartość predykcyjna dodatnia)
* dokładność (ang. accuracy, ACC)datnia)
* dokładność (ang. accuracy, ACC)
, في مجال التعلّم الآلي وتحديدا مشكلة التصني … في مجال التعلّم الآلي وتحديدا مشكلة التصنيف الإحصائي، مصفوفة الإرباك أو التشويش، والمعروفة أيضا باسم مصفوفة الخطأ، هي تخطيط جدولي معين يسمح بتصور أداء خوارزمية. عادةً ما تكون خوارزمية التعليم المراقب (وتسمى في التعلم غير المراقب باسم مصفوفة المطابقة). يُمثل كل صف من المصفوفة حالات الفئة المتوقعة بينما يمثل كل عمود حالات الفئة الفعلية (أو العكس بالعكس). وينبع الاسم من حقيقة أنه يجعل من السهل رؤية ما إذا كان النظام مرتبكا بين الفئتين (أي يخطئ بين أحد الفئتين على أنها الأخرى).(أي يخطئ بين أحد الفئتين على أنها الأخرى).
, 機械学習の分野、特に統計的分類の問題において、混同行列（こんどうぎょうれつ、英: c … 機械学習の分野、特に統計的分類の問題において、混同行列（こんどうぎょうれつ、英: confusion matrix）は、アルゴリズムの性能を可視化するための特有の表配置である。誤差行列（error matrix）とも呼ばれる。通常は教師あり学習で使用される（教師なし学習では通常、マッチング行列と呼ばれる）。行列の行方向は実際のクラス（部分集合）のインスタンス（実体）を表し、列方向はモデルで予測されたクラスのインスタンスを表すが、その逆の場合もある。 これは特別な種類の分割表で、2つの次元（「実際」と「予測」）と、両方の次元で同一の「クラス」のセットからなる（次元とクラスの各組み合わせは分割表の変数である）。同一の「クラス」のセットからなる（次元とクラスの各組み合わせは分割表の変数である）。
, Nell'ambito dell'Intelligenza artificiale, … Nell'ambito dell'Intelligenza artificiale, la matrice di confusione, detta anche tabella di errata classificazione, restituisce una rappresentazione dell'accuratezza di classificazione statistica. Ogni colonna della matrice rappresenta i valori predetti, mentre ogni riga rappresenta i valori reali. L'elemento sulla riga i e sulla colonna j è il numero di casi in cui il classificatore ha classificato la classe "vera" i come classe j.Attraverso questa matrice è osservabile se vi è "confusione" nella classificazione di diverse classi. Attraverso l'uso della matrice di confusione è possibile calcolare il coefficiente kappa, anche conosciuto come coefficiente kappa di Cohen.nosciuto come coefficiente kappa di Cohen.
, En el camp de la intel·ligència artificial … En el camp de la intel·ligència artificial una matriu de confusió és una eina de visualització que s'utilitza sobretot en l'aprenentatge supervisat. Cada columna de la matriu representa el nombre de prediccions de cada classe, mentre que cada fila representa a les instàncies en la classe real. Un dels beneficis de les matrius de confusió és que faciliten veure si el sistema està confonent dues classes. És un cas particular de taula de contingència. Quan el nombre de mostres en diferents classes varia de forma significativa la taxa d'error del classificador no és representativa de com de bé realitza la tasca el classificador. Si per exemple hi ha 990 mostres de la classe 1 i només 10 de la classe 2, el classificador pot tenir fàcilment un biaix cap a la classe 1. Si el classificador classifica totes les mostres com a classe 1 la seva precisió serà del 99%. Això no significa que sigui un bon classificador, ja que ha obtingut el 100% d'error en la classificació de les mostres de la classe 2. En la matriu exemple que apareix tot seguit, de 8 gats reals, el sistema ha predit que tres eren gossos i de 6 gossos ha predit que 1 era un conill i 2 eren gats. A partir de la matriu es pot veure que el sistema té problemes a l'hora de distingir entre gats i gossos, però que pot distingir raonablement bé entre conills i altres animals.blement bé entre conills i altres animals.
, En el campo de la inteligencia artificial … En el campo de la inteligencia artificial y en especial en el problema de la clasificación estadística, una matriz de confusión es una herramienta que permite la visualización del desempeño de un algoritmo que se emplea en aprendizaje supervisado. Cada columna de la matriz representa el número de predicciones de cada clase, mientras que cada fila representa a las instancias en la clase real. Uno de los beneficios de las matrices de confusión es que facilitan ver si el sistema está confundiendo dos clases. Si en los datos de entrada el número de muestras de clases diferentes cambia mucho, la tasa de error del clasificador no será representativa de lo bien que el clasificador realiza la tarea. Si, por ejemplo, hay 990 muestras de la clase 1 y sólo 10 de la clase 2, el clasificador puede tener fácilmente un sesgo hacia la clase 1. Si el clasificador clasifica todas las muestras como clase 1 su precisión será del 99%. Sin embargo, esto no significa que sea un buen clasificador, pues tuvo un 100% de error en la clasificación de las muestras de la clase 2. En la matriz ejemplo que aparece a continuación, de 8 gatos reales, el sistema predijo que tres eran perros y de seis perros predijo que uno era un conejo y dos eran gatos. A partir de la matriz se puede ver que el sistema tiene problemas distinguiendo entre gatos y perros, pero que puede distinguir razonablemente bien entre conejos y otros animales. Ejemplo de matriz de confusións animales. Ejemplo de matriz de confusión
|
| http://dbpedia.org/ontology/wikiPageID
|
847558
|
| http://dbpedia.org/ontology/wikiPageLength
|
15803
|
| http://dbpedia.org/ontology/wikiPageRevisionID
|
1107701525
|
| http://dbpedia.org/ontology/wikiPageWikiLink
|
http://dbpedia.org/resource/False_negative +
, http://dbpedia.org/resource/Whistled_language +
, http://dbpedia.org/resource/F1_score +
, http://dbpedia.org/resource/Matthews_correlation_coefficient +
, http://dbpedia.org/resource/Informedness +
, http://dbpedia.org/resource/Positive_and_negative_predictive_values +
, http://dbpedia.org/resource/Machine_learning +
, http://dbpedia.org/resource/True_negative +
, http://dbpedia.org/resource/True_positive +
, http://dbpedia.org/resource/Category:Statistical_classification +
, http://dbpedia.org/resource/Predictive_analytics +
, http://dbpedia.org/resource/Supervised_learning +
, http://dbpedia.org/resource/False_positive +
, http://dbpedia.org/resource/Statistical_population +
, http://dbpedia.org/resource/Matrix_%28mathematics%29 +
, http://dbpedia.org/resource/Statistical_classification +
, http://dbpedia.org/resource/Contingency_table +
, http://dbpedia.org/resource/Unsupervised_learning +
, http://dbpedia.org/resource/Sensitivity_%28test%29 +
, http://dbpedia.org/resource/Category:Machine_learning +
|
| http://dbpedia.org/property/wikiPageUsesTemplate
|
http://dbpedia.org/resource/Template:Abbr +
, http://dbpedia.org/resource/Template:Navbar +
, http://dbpedia.org/resource/Template:Matrix_classes +
, http://dbpedia.org/resource/Template:Confusion_matrix_terms +
, http://dbpedia.org/resource/Template:Short_description +
, http://dbpedia.org/resource/Template:Reflist +
, http://dbpedia.org/resource/Template:Verth +
, http://dbpedia.org/resource/Template:Diagnostic_testing_diagram +
, http://dbpedia.org/resource/Template:Diagonal_split_header +
|
| http://purl.org/dc/terms/subject
|
http://dbpedia.org/resource/Category:Machine_learning +
, http://dbpedia.org/resource/Category:Statistical_classification +
|
| http://www.w3.org/ns/prov#wasDerivedFrom
|
http://en.wikipedia.org/wiki/Confusion_matrix?oldid=1107701525&ns=0 +
|
| http://xmlns.com/foaf/0.1/isPrimaryTopicOf
|
http://en.wikipedia.org/wiki/Confusion_matrix +
|
| owl:sameAs |
http://pl.dbpedia.org/resource/Tablica_pomy%C5%82ek +
, http://fr.dbpedia.org/resource/Matrice_de_confusion +
, http://fa.dbpedia.org/resource/%D9%85%D8%A7%D8%AA%D8%B1%DB%8C%D8%B3_%D8%AF%D8%B1%D9%87%D9%85%E2%80%8C%D8%B1%DB%8C%D8%AE%D8%AA%DA%AF%DB%8C +
, http://dbpedia.org/resource/Confusion_matrix +
, http://rdf.freebase.com/ns/m.03gqxq +
, http://uk.dbpedia.org/resource/%D0%9C%D0%B0%D1%82%D1%80%D0%B8%D1%86%D1%8F_%D0%BD%D0%B5%D0%B2%D1%96%D0%B4%D0%BF%D0%BE%D0%B2%D1%96%D0%B4%D0%BD%D0%BE%D1%81%D1%82%D0%B5%D0%B9 +
, http://de.dbpedia.org/resource/Wahrheitsmatrix +
, http://it.dbpedia.org/resource/Matrice_di_confusione +
, http://ar.dbpedia.org/resource/%D9%85%D8%B5%D9%81%D9%88%D9%81%D8%A7%D8%AA_%D8%A7%D9%84%D8%A5%D8%B1%D8%A8%D8%A7%D9%83 +
, http://cs.dbpedia.org/resource/Matice_z%C3%A1m%C4%9Bn +
, http://pt.dbpedia.org/resource/Matriz_de_confus%C3%A3o +
, http://ca.dbpedia.org/resource/Matriu_de_confusi%C3%B3 +
, http://zh.dbpedia.org/resource/%E6%B7%B7%E6%B7%86%E7%9F%A9%E9%98%B5 +
, http://ko.dbpedia.org/resource/%ED%98%BC%EB%8F%99_%ED%96%89%EB%A0%AC +
, https://global.dbpedia.org/id/2XsKj +
, http://www.wikidata.org/entity/Q2709591 +
, http://ja.dbpedia.org/resource/%E6%B7%B7%E5%90%8C%E8%A1%8C%E5%88%97 +
, http://es.dbpedia.org/resource/Matriz_de_confusi%C3%B3n +
|
| rdfs:comment |
Nell'ambito dell'Intelligenza artificiale, … Nell'ambito dell'Intelligenza artificiale, la matrice di confusione, detta anche tabella di errata classificazione, restituisce una rappresentazione dell'accuratezza di classificazione statistica. Ogni colonna della matrice rappresenta i valori predetti, mentre ogni riga rappresenta i valori reali. L'elemento sulla riga i e sulla colonna j è il numero di casi in cui il classificatore ha classificato la classe "vera" i come classe j.Attraverso questa matrice è osservabile se vi è "confusione" nella classificazione di diverse classi." nella classificazione di diverse classi.
, In the field of machine learning and speci … In the field of machine learning and specifically the problem of statistical classification, a confusion matrix, also known as an error matrix, is a specific table layout that allows visualization of the performance of an algorithm, typically a supervised learning one (in unsupervised learning it is usually called a matching matrix). Each row of the matrix represents the instances in an actual class while each column represents the instances in a predicted class, or vice versa – both variants are found in the literature. The name stems from the fact that it makes it easy to see whether the system is confusing two classes (i.e. commonly mislabeling one as another).i.e. commonly mislabeling one as another).
, 在機器學習領域和統計分類問題中，混淆矩阵（英語：confusion matrix）是可视化工具，特别用于监督学习，在无监督学习一般叫做匹配矩阵。矩阵的每一列代表一个类的实例预测，而每一行表示一个实际的类的实例。之所以如此命名，是因為通過這個矩陣可以方便地看出机器是否将两个不同的类混淆了（比如說把一個類錯當成了另一個）。 混淆矩阵（也稱誤差矩陣）是一種特殊的, 具有兩個維度的（實際和預測）列联表（英語：contingency table），並且兩維度中都有著一樣的類別的集合。
, В галузі машинного навчання, й зокрема в з … В галузі машинного навчання, й зокрема в задачі статистичної класифікації, ма́триця невідпові́дностей (англ. confusion matrix), також відома як матриця помилок (англ. error matrix), — це таблиця особливого компонування, що дає можливість унаочнювати продуктивність алгоритму, зазвичай керованого навчання (у спонтаннім навчанні її зазвичай називають ма́трицею допасо́ваності, англ. matching matrix). Кожен з рядків цієї матриці представляє зразки прогнозованого класу, тоді як кожен зі стовпців представляє зразки справжнього класу (або навпаки). Її назва походить від того факту, що вона дає можливість просто бачити, чи допускає система невідповідності між цими двома класами (наприклад, часто помилково маркуючи один як інший)., часто помилково маркуючи один як інший).
, En el campo de la inteligencia artificial … En el campo de la inteligencia artificial y en especial en el problema de la clasificación estadística, una matriz de confusión es una herramienta que permite la visualización del desempeño de un algoritmo que se emplea en aprendizaje supervisado. Cada columna de la matriz representa el número de predicciones de cada clase, mientras que cada fila representa a las instancias en la clase real. Uno de los beneficios de las matrices de confusión es que facilitan ver si el sistema está confundiendo dos clases. Ejemplo de matriz de confusióndos clases. Ejemplo de matriz de confusión
, في مجال التعلّم الآلي وتحديدا مشكلة التصني … في مجال التعلّم الآلي وتحديدا مشكلة التصنيف الإحصائي، مصفوفة الإرباك أو التشويش، والمعروفة أيضا باسم مصفوفة الخطأ، هي تخطيط جدولي معين يسمح بتصور أداء خوارزمية. عادةً ما تكون خوارزمية التعليم المراقب (وتسمى في التعلم غير المراقب باسم مصفوفة المطابقة). يُمثل كل صف من المصفوفة حالات الفئة المتوقعة بينما يمثل كل عمود حالات الفئة الفعلية (أو العكس بالعكس). وينبع الاسم من حقيقة أنه يجعل من السهل رؤية ما إذا كان النظام مرتبكا بين الفئتين (أي يخطئ بين أحد الفئتين على أنها الأخرى).(أي يخطئ بين أحد الفئتين على أنها الأخرى).
, Matice záměn (též konfusní či chybová mati … Matice záměn (též konfusní či chybová matice) v kontextu klasifikačních úloh strojového učení a matematické statistiky je kontingenční matice, obsahující ve sloupcích skutečnou hodnotu předpovídaného znaku a v řádcích předpověď . Buňky matice obsahují četnosti toho, kolikrát došlo na zkoumané datové množině k dané kombinaci skutečné a předpověděné hodnoty. Případy na diagonále matice záměn jsou klasifikovány správně, mimo diagonálu jde o chyby. Matice se používá ke stanovení vlastností a kvality klasifikátoru.novení vlastností a kvality klasifikátoru.
, 기계 학습 분야의 통계적 분류 같은 문제에서 컨퓨전 행렬, 이란 지도 학습으로 훈련된 분류 알고리즘의 성능을 시각화 할 수 있는 표이다. 행렬의 각 행은 예측 된 클래스의 인스턴스를 나타내며 각 열은 실제 클래스의 인스턴스를 나타낸다 (또는 그 반대). 컨퓨전이라는 이름은 시스템이 두 개의 클래스를 얼마나 헷갈려 하는지를 쉽게 알 수 있다는 사실에서 유래되었다.
, No campo do Aprendizado de Máquina uma mat … No campo do Aprendizado de Máquina uma matriz de confusão é uma tabela que permite a visualização do desempenho de um algoritmo de classificação . Essa tabela de contingência 2x2 especial é também chamada de matriz de erro. Cada linha da matriz representa instâncias de uma classe prevista enquanto cada coluna representa instâncias da classe atual (ou vice versa). O nome vem do fato que é fácil ver se o sistema está confundindo as duas classes (chamando uma classe como a outra).lasses (chamando uma classe como a outra).
, En el camp de la intel·ligència artificial … En el camp de la intel·ligència artificial una matriu de confusió és una eina de visualització que s'utilitza sobretot en l'aprenentatge supervisat. Cada columna de la matriu representa el nombre de prediccions de cada classe, mentre que cada fila representa a les instàncies en la classe real. Un dels beneficis de les matrius de confusió és que faciliten veure si el sistema està confonent dues classes. És un cas particular de taula de contingència.n cas particular de taula de contingència.
, En apprentissage automatique supervisé, la … En apprentissage automatique supervisé, la matrice de confusion est une matrice qui mesure la qualité d'un système de classification. Chaque ligne correspond à une classe réelle, chaque colonne correspond à une classe estimée. La cellule ligne L, colonne C contient le nombre d'éléments de la classe réelle L qui ont été estimés comme appartenant à la classe C. Attention il y a parfois interversion des axes de la matrice en fonction des auteurs. Un des intérêts de la matrice de confusion est qu'elle montre rapidement si un système de classification parvient à classifier correctement.cation parvient à classifier correctement.
, Tablica pomyłek (macierz błędów) jest stos … Tablica pomyłek (macierz błędów) jest stosowana przy ocenie jakości klasyfikacji binarnej (na dwie klasy). Dane oznaczone etykietami: pozytywną i negatywną poddawane są klasyfikacji, która przypisuje im predykowaną klasę pozytywną albo predykowaną klasę negatywną. Możliwa jest sytuacja, że dana oryginalnie oznaczona jako pozytywna zostanie omyłkowo zaklasyfikowana jako negatywną. Wszystkie takie sytuacje przedstawia tablica pomyłek. Tablica ma dwa wiersze i dwie kolumny. Wiersze przedstawiają klasy predykowane, kolumny zaś klasy rzeczywiste. Miary:ane, kolumny zaś klasy rzeczywiste. Miary:
, 機械学習の分野、特に統計的分類の問題において、混同行列（こんどうぎょうれつ、英: c … 機械学習の分野、特に統計的分類の問題において、混同行列（こんどうぎょうれつ、英: confusion matrix）は、アルゴリズムの性能を可視化するための特有の表配置である。誤差行列（error matrix）とも呼ばれる。通常は教師あり学習で使用される（教師なし学習では通常、マッチング行列と呼ばれる）。行列の行方向は実際のクラス（部分集合）のインスタンス（実体）を表し、列方向はモデルで予測されたクラスのインスタンスを表すが、その逆の場合もある。 これは特別な種類の分割表で、2つの次元（「実際」と「予測」）と、両方の次元で同一の「クラス」のセットからなる（次元とクラスの各組み合わせは分割表の変数である）。同一の「クラス」のセットからなる（次元とクラスの各組み合わせは分割表の変数である）。
|
| rdfs:label |
Matriz de confusão
, Wahrheitsmatrix
, Matrice de confusion
, Confusion matrix
, 混同行列
, Matriz de confusión
, Матриця невідповідностей
, Matriu de confusió
, Tablica pomyłek
, Matice záměn
, Matrice di confusione
, مصفوفات الإرباك
, 混淆矩阵
, 혼동 행렬
|
