Matrizes de confusão com Python

Posts Relacionados:

31.05.24

Aprenda a interpretar matrizes de confusão com Python para melhorar o desempenho do modelo e desvendar as complexidades de classificação.

Receba nossa newsletter

Matrizes de Confusão em Machine Learning

Em machine learning, uma matriz de confusão é uma tabela quadrada que fornece um detalhamento visual do desempenho de um modelo. Matrizes de confusão são normalmente usadas para analisar modelos de classificação. Ou seja, modelos que preveem um rótulo categórico para cada ponto de dados. As matrizes de confusão possuem um layout de tabela com linhas representando classificações reais e colunas representando classificações previstas. Com essa estrutura, elas fornecem uma visão mais sutil do desempenho de um modelo do que apenas a precisão.

Para entender melhor como uma matriz de confusão permite a visualização do desempenho de um modelo, analisaremos um exemplo. Suponha que você tenha um modelo que classifica transações financeiras como fraudulentas ou não. Uma matriz de confusão irá mostrar:

As transações classificadas corretamente como fraudulentas (verdadeiros positivos).
Transações classificadas incorretamente como fraudulentas (falsos positivos).
As transações classificadas corretamente como regulares (verdadeiros negativos).
Transações classificadas incorretamente como regulares (falsos negativos).

Ao revelar as falhas do modelo para classificar corretamente as diferentes classes presentes, a matriz de confusão indica em quais aspectos seu desempenho é pior. Com isso, obtemos uma visão valiosa sobre quais áreas do modelo precisam de melhorias.

Aprenda a Plotar uma Matriz de Confusão em Python

Abaixo, a biblioteca Scikit-learn é usada para plotar uma matriz de confusão usando dados hipotéticos.

				
					import numpy as np
from sklearn.metrics import confusion_matrix
import matplotlib.pyplot as plt

# Cria dados apenas ilustrativos
actual = np.random.randint(0, 2, size=500)
predicted = np.random.randint(0, 2, size=500)

# Cria objeto da matriz de confusão
cm = confusion_matrix(actual, predicted)

# Plota a matriz de confusão
plt.imshow(cm, cmap="Blues")
plt.colorbar()
plt.title("Matrizes de confusão")
plt.xlabel("Classe Prevista")
plt.ylabel("Classe Real")
plt.xticks(np.arange(len(np.unique(actual))), np.unique(actual))
plt.yticks(np.arange(len(np.unique(predicted))), np.unique(predicted))
plt.show()

A matriz obtida é mostrada abaixo.

Como Interpretar uma Matriz de Confusão?

A interpretação de uma matriz de confusão envolve a compreensão da interação entre suas linhas e colunas. As linhas representam as classes reais presentes nos dados, enquanto as colunas representam as classes previstas pelo modelo. Idealmente, as células diagonais devem conter os valores mais altos. Eles representam o número de pontos de dados onde o modelo classificou corretamente a classe (Verdadeiros Positivos para a classe prevista e Verdadeiros Negativos para os outros). Elementos fora da diagonal indicam erros cometidos pelo modelo.

Existem dois tipos principais de erros que um modelo pode cometer durante a classificação:

Falsos Positivos: ocorrem quando o modelo prevê uma classe que não está presente. Eles residem na linha correspondente à classe real e na coluna da classe prevista incorretamente.

Falsos Negativos: acontecem quando o modelo perde uma classe específica (por exemplo, não reconhecer um e-mail de spam). Eles se localizam na linha da classe real que foi perdida e na coluna que representa a classe prevista.

Embora seja tentador se concentrar apenas no número total de previsões corretas (soma dos elementos nas células diagonais), esse valor não conta toda a história. Portanto, ao analisar uma matriz de confusão, procure valores altos na diagonal para cada classe, indicando um bom desempenho para aquela classe específica. Mas identifique também os elementos fora da diagonal para saber onde o modelo tem problemas.