YZ Merkezi
Yapay zekâ sözlüğü
Başlangıç seviyesi
Karışıklık Matrisi (Confusion Matrix)
Confusion Matrix
31.08.2026 tarihinde güncellendi
Karışıklık matrisi, bir sınıflandırma modelinin gerçek sınıflar ile tahmin edilen sınıflar arasındaki performansını Doğru Pozitif, Yanlış Pozitif, Doğru Negatif ve Yanlış Negatif sayılarıyla özetleyen tablodur.
Genel bakış
Kavramın çerçevesiModelin hangi sınıfları birbiriyle karıştırdığını ve ne tür hatalar yaptığını çıplak gözle görmeyi sağlayan temel teşhis tablosudur.
Çalışma mantığı: Satırlar genellikle gerçek sınıfları, sütunlar ise modelin tahminlerini gösterir. Dört temel hücreden oluşur: 1) Doğru Pozitif (TP), 2) Doğru Negatif (TN), 3) Yanlış Pozitif (FP - Tip 1 Hata), 4) Yanlış Negatif (FN - Tip 2 Hata).
Kullanım alanları: Accuracy, Precision, Recall, F1-Score ve ROC-AUC gibi tüm sınıflandırma metriklerinin hesaplandığı temel veri kaynağıdır.
Sınırlılıklar ve dikkat edilmesi gerekenler: Çok sınıflı problemlerde (örneğin 100 farklı sınıf) matris çok büyür ve ısı haritaları (heatmap) ile görselleştirilmesi gerekir.
Çalışma mantığı: Satırlar genellikle gerçek sınıfları, sütunlar ise modelin tahminlerini gösterir. Dört temel hücreden oluşur: 1) Doğru Pozitif (TP), 2) Doğru Negatif (TN), 3) Yanlış Pozitif (FP - Tip 1 Hata), 4) Yanlış Negatif (FN - Tip 2 Hata).
Kullanım alanları: Accuracy, Precision, Recall, F1-Score ve ROC-AUC gibi tüm sınıflandırma metriklerinin hesaplandığı temel veri kaynağıdır.
Sınırlılıklar ve dikkat edilmesi gerekenler: Çok sınıflı problemlerde (örneğin 100 farklı sınıf) matris çok büyür ve ısı haritaları (heatmap) ile görselleştirilmesi gerekir.
Teknik tanım ve açıklama
Temel mekanizmaGerçek hedef değerler ile modelin tahmin ettiği değerlerin çapraz tablolama ile frekanslarını gösteren N x N boyutlu performans değerlendirme matrisidir.
Gerçek hayatta kullanım
Örnek senaryoBir güvenlik kamerasının 100 hırsızlık alarmı verdiği, bunlardan 85'inin gerçek hırsız (TP), 15'inin rüzgardan sallanan dal (FP) olduğunu gösteren özet tablo karışıklık matrisidir.