{"id":165607,"date":"2023-02-01T21:30:33","date_gmt":"2023-02-01T20:30:33","guid":{"rendered":"https:\/\/datascientest.com\/de\/?p=165607"},"modified":"2023-10-29T20:11:36","modified_gmt":"2023-10-29T19:11:36","slug":"confusion-matrix","status":"publish","type":"post","link":"https:\/\/datascientest.com\/de\/confusion-matrix","title":{"rendered":"Confusion matrix: Was genau ist das und wie wird sie angewendet?"},"content":{"rendered":"\t\t<div data-elementor-type=\"wp-post\" data-elementor-id=\"165607\" class=\"elementor elementor-165607\" data-elementor-post-type=\"post\">\n\t\t\t\t\t\t\t<div class=\"elementor-element elementor-element-ad4f231 e-flex e-con-boxed e-con\" data-id=\"ad4f231\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-52cff22 elementor-widget elementor-widget-heading\" data-id=\"52cff22\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-heading-title{padding:0;margin:0;line-height:1}.elementor-widget-heading .elementor-heading-title[class*=elementor-size-]>a{color:inherit;font-size:inherit;line-height:inherit}.elementor-widget-heading .elementor-heading-title.elementor-size-small{font-size:15px}.elementor-widget-heading .elementor-heading-title.elementor-size-medium{font-size:19px}.elementor-widget-heading .elementor-heading-title.elementor-size-large{font-size:29px}.elementor-widget-heading .elementor-heading-title.elementor-size-xl{font-size:39px}.elementor-widget-heading .elementor-heading-title.elementor-size-xxl{font-size:59px}<\/style><h2 class=\"elementor-heading-title elementor-size-default\">GDie Leistung eines Machine-Learning-Algorithmus steht in direktem Zusammenhang mit seiner F\u00e4higkeit, ein Ergebnis vorherzusagen. Wenn man versucht, die Ergebnisse eines Algorithmus mit der Realit\u00e4t zu vergleichen, verwendet man eine Konfusionsmatrix. In diesem Artikel erf\u00e4hrst du, wie du diese Matrix lesen kannst, um die Ergebnisse eines Klassifikationsalgorithmus zu interpretieren.<\/h2>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-bfe2dc0 e-flex e-con-boxed e-con\" data-id=\"bfe2dc0\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-1e7c5b5 elementor-widget elementor-widget-heading\" data-id=\"1e7c5b5\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Was genau ist eine Confusion matrix?<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-8d01e12 elementor-widget elementor-widget-text-editor\" data-id=\"8d01e12\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-widget-text-editor.elementor-drop-cap-view-stacked .elementor-drop-cap{background-color:#69727d;color:#fff}.elementor-widget-text-editor.elementor-drop-cap-view-framed .elementor-drop-cap{color:#69727d;border:3px solid;background-color:transparent}.elementor-widget-text-editor:not(.elementor-drop-cap-view-default) .elementor-drop-cap{margin-top:8px}.elementor-widget-text-editor:not(.elementor-drop-cap-view-default) .elementor-drop-cap-letter{width:1em;height:1em}.elementor-widget-text-editor .elementor-drop-cap{float:left;text-align:center;line-height:1;font-size:50px}.elementor-widget-text-editor .elementor-drop-cap-letter{display:inline-block}<\/style>\t\t\t\t<p><span style=\"font-weight: 400;\">Beim <\/span><b>Machine Learning <\/b><span style=\"font-weight: 400;\">wird ein Algorithmus mit Daten gef\u00fcttert, damit er selbstst\u00e4ndig lernt, eine bestimmte Aufgabe zu erledigen. Bei <\/span><b>Klassifikationsproblemen <\/b><span style=\"font-weight: 400;\">sagt er Ergebnisse voraus, die mit der Realit\u00e4t verglichen werden m\u00fcssen, um seinen Leistungsgrad zu messen. Normalerweise wird die Konfusionsmatrix, auch <\/span><b>Kontingenztabelle <\/b><span style=\"font-weight: 400;\">genannt, verwendet. Sie hebt nicht nur die richtigen und falschen Vorhersagen hervor, sondern gibt uns vor allem einen Hinweis auf die Art der Fehler, die gemacht wurden. Um eine Konfusionsmatrix zu berechnen, ben\u00f6tigt man einen <\/span><b>Testdatensatz und einen Validierungsdatensatz, der die Werte der erzielten Ergebnisse enth\u00e4lt.<\/b><\/p><p><span style=\"font-weight: 400;\">Jede Spalte der Tabelle enth\u00e4lt eine vom Algorithmus vorhergesagte Klasse und die Zeilen der tats\u00e4chlichen Klassen.<\/span><\/p><p><span style=\"font-weight: 400;\">Wir teilen die Ergebnisse in vier Kategorien ein:<\/span><\/p><ul><li style=\"font-weight: 400;\"><b>True Positive <\/b><span style=\"font-weight: 400;\">(TP): Sowohl die Vorhersage als auch der tats\u00e4chliche Wert sind positiv.<\/span><\/li><\/ul><p><span style=\"font-weight: 400;\">Beispiel: Eine kranke und eine erwartete kranke Person.<\/span><\/p><ul><li style=\"font-weight: 400;\"><b>True Negative <\/b><span style=\"font-weight: 400;\">(TN): Die Vorhersage und der tats\u00e4chliche Wert sind negativ.<\/span><\/li><\/ul><p><span style=\"font-weight: 400;\">Beispiel: Eine gesunde Person und eine geplante gesunde Person.<\/span><\/p><ul><li style=\"font-weight: 400;\"><b>False Positive <\/b><span style=\"font-weight: 400;\">(FP): Die Vorhersage ist positiv, w\u00e4hrend der tats\u00e4chliche Wert negativ ist.<\/span><\/li><\/ul><p><span style=\"font-weight: 400;\">Beispiel: Eine gesunde Person und eine geplante kranke Person.<\/span><\/p><p><b>False Negative <\/b><span style=\"font-weight: 400;\">(FN): Die Vorhersage ist negativ, w\u00e4hrend der tats\u00e4chliche Wert negativ ist.<\/span><\/p><p><span style=\"font-weight: 400;\">Beispiel: Eine kranke und eine geplante gesunde Person.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-3f835ec elementor-widget elementor-widget-image\" data-id=\"3f835ec\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-widget-image{text-align:center}.elementor-widget-image a{display:inline-block}.elementor-widget-image a img[src$=\".svg\"]{width:48px}.elementor-widget-image img{vertical-align:middle;display:inline-block}<\/style>\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"673\" height=\"326\" src=\"https:\/\/datascientest.com\/de\/files\/2022\/11\/Sans-titre-3_Plan-de-travail-1-e1669819927162.webp\" class=\"attachment-full size-full wp-image-165611\" alt=\"\" srcset=\"https:\/\/datascientest.com\/de\/files\/2022\/11\/Sans-titre-3_Plan-de-travail-1-e1669819927162.webp 673w, https:\/\/datascientest.com\/de\/files\/2022\/11\/Sans-titre-3_Plan-de-travail-1-e1669819927162-300x145.webp 300w\" sizes=\"(max-width: 673px) 100vw, 673px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-5bdf886 elementor-widget elementor-widget-text-editor\" data-id=\"5bdf886\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400\">Nat\u00fcrlich kann man dieser Matrix in komplizierteren F\u00e4llen Zeilen und Spalten hinzuf\u00fcgen.<\/span><\/p><p><b>Beispiel: <\/b><span style=\"font-weight: 400\">Nach der Anwendung eines Vorhersagemodells erhalten wir folgende Ergebnisse<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-620164c elementor-widget elementor-widget-image\" data-id=\"620164c\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"767\" height=\"311\" src=\"https:\/\/datascientest.com\/de\/files\/2022\/11\/Sans-titre-3-02-e1613474239886.webp\" class=\"attachment-full size-full wp-image-165618\" alt=\"\" srcset=\"https:\/\/datascientest.com\/de\/files\/2022\/11\/Sans-titre-3-02-e1613474239886.webp 767w, https:\/\/datascientest.com\/de\/files\/2022\/11\/Sans-titre-3-02-e1613474239886-300x122.webp 300w\" sizes=\"(max-width: 767px) 100vw, 767px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-af3d0d5 elementor-widget elementor-widget-text-editor\" data-id=\"af3d0d5\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Generell gilt, dass die richtigen Vorhersagen immer auf der Diagonalen zu finden sind.<\/span><\/p><p><span style=\"font-weight: 400;\">Wir haben hier also :<\/span><\/p><ul><li style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">600 Individuen wurden als Klasse A eingestuft, von insgesamt 2000 Individuen, was ziemlich wenig ist.<\/span><\/li><li style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">Bei den Individuen der Klasse B wurden 1.200 von 2.000 tats\u00e4chlich als zu dieser Klasse geh\u00f6rig identifiziert.<\/span><\/li><li style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">Bei den Individuen der Klasse C wurden 1.600 von 2.000 gut identifiziert.<\/span><\/li><li style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">Die Zahl der True Positive (TP) liegt also bei 3.400.<\/span><\/li><\/ul><p><span style=\"font-weight: 400;\">Um die Zahl False Positive (FP),True Negative (TN),False Negative (FN) zu erhalten. Es ist in dieser Tabelle nicht m\u00f6glich, sie direkt zu berechnen, daher m\u00fcsste man sie in drei F\u00e4lle aufteilen:<\/span><\/p><ul><li style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">A und ( B und C)<\/span><\/li><li style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">B und (A und C)<\/span><\/li><li style=\"font-weight: 400;\"><span style=\"font-weight: 400;\">C und (A und b)<\/span><\/li><\/ul><p><span style=\"font-weight: 400;\">So kann man alle Metriken berechnen, die man f\u00fcr die Analyse dieser Tabelle ben\u00f6tigt.<\/span><\/p><p><span style=\"font-weight: 400;\">Hier findest du die g\u00e4ngigsten <\/span><b>Methoden, um <\/b><span style=\"font-weight: 400;\">interessante Informationen aus einer solchen Tabelle zu ziehen:<\/span><\/p><ul><li style=\"list-style-type: none;\"><ul><li style=\"font-weight: 400;\"><b>Accuracy<\/b><\/li><li style=\"font-weight: 400;\"><b>Pr\u00e4zision<\/b><\/li><li style=\"font-weight: 400;\"><b>Negative Predictive Value<\/b><\/li><li style=\"font-weight: 400;\"><b>Spezifit\u00e4t<\/b><\/li><li style=\"font-weight: 400;\"><b>Sensitivit\u00e4t\u00a0<\/b><\/li><\/ul><\/li><\/ul><p>In der Praxis gibt es in Python eine sehr einfache M\u00f6glichkeit, \u00fcber die Funktion classification_report der <a href=\"https:\/\/scikit-learn.org\/stable\/\">sklearn-Bibliothek<\/a> auf alle diese Metriken zuzugreifen.<\/p><p><b>Beispiel:<\/b><\/p><p><span style=\"font-weight: 400;\">Dies f\u00fchrt zu folgendem Ergebnis:<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-ad234a8 elementor-widget elementor-widget-image\" data-id=\"ad234a8\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"768\" height=\"255\" src=\"https:\/\/datascientest.com\/de\/files\/2022\/11\/pasted-image-0-3.webp\" class=\"attachment-full size-full wp-image-165625\" alt=\"\" srcset=\"https:\/\/datascientest.com\/de\/files\/2022\/11\/pasted-image-0-3.webp 768w, https:\/\/datascientest.com\/de\/files\/2022\/11\/pasted-image-0-3-300x100.webp 300w\" sizes=\"(max-width: 768px) 100vw, 768px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-155af0b e-flex e-con-boxed e-con\" data-id=\"155af0b\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-8d9608c elementor-widget elementor-widget-heading\" data-id=\"8d9608c\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Welche Metriken verwenden wir, um unsere Vorhersagen zu bewerten?<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-c56ad0c elementor-widget elementor-widget-text-editor\" data-id=\"c56ad0c\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">In diesem Fall haben wir uns daf\u00fcr entschieden, die verschiedenen Klassen nach den Werten von y_true zu benennen. Wir sehen dann verschiedene Metriken, die es uns erm\u00f6glichen, die Qualit\u00e4t unserer Vorhersagen zu beurteilen:<\/span><\/p><ul><li style=\"font-weight: 400;\"><b>Pr\u00e4zision<\/b><\/li><li style=\"font-weight: 400;\"><b>Recall<\/b><\/li><li style=\"font-weight: 400;\"><b>F1-Score<\/b><\/li><\/ul><p><span style=\"font-weight: 400;\">Deren Formeln lauten jeweils :<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-131a4cb elementor-widget elementor-widget-image\" data-id=\"131a4cb\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"768\" height=\"132\" src=\"https:\/\/datascientest.com\/de\/files\/2022\/11\/Capture-decran-2021-01-21-a-10.26.51.webp\" class=\"attachment-full size-full wp-image-165634\" alt=\"\" srcset=\"https:\/\/datascientest.com\/de\/files\/2022\/11\/Capture-decran-2021-01-21-a-10.26.51.webp 768w, https:\/\/datascientest.com\/de\/files\/2022\/11\/Capture-decran-2021-01-21-a-10.26.51-300x52.webp 300w\" sizes=\"(max-width: 768px) 100vw, 768px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-bd3b511 elementor-widget elementor-widget-image\" data-id=\"bd3b511\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"512\" height=\"84\" src=\"https:\/\/datascientest.com\/de\/files\/2022\/11\/unnamed-3-3.webp\" class=\"attachment-full size-full wp-image-165636\" alt=\"\" srcset=\"https:\/\/datascientest.com\/de\/files\/2022\/11\/unnamed-3-3.webp 512w, https:\/\/datascientest.com\/de\/files\/2022\/11\/unnamed-3-3-300x49.webp 300w\" sizes=\"(max-width: 512px) 100vw, 512px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-21193c7 elementor-widget elementor-widget-image\" data-id=\"21193c7\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"768\" height=\"121\" src=\"https:\/\/datascientest.com\/de\/files\/2022\/11\/Capture-decran-2021-01-21-a-10.33.08.webp\" class=\"attachment-full size-full wp-image-165637\" alt=\"\" srcset=\"https:\/\/datascientest.com\/de\/files\/2022\/11\/Capture-decran-2021-01-21-a-10.33.08.webp 768w, https:\/\/datascientest.com\/de\/files\/2022\/11\/Capture-decran-2021-01-21-a-10.33.08-300x47.webp 300w\" sizes=\"(max-width: 768px) 100vw, 768px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-7cb7a71 elementor-widget elementor-widget-text-editor\" data-id=\"7cb7a71\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">In unserem Fall kann man eine Genauigkeit von 0 f\u00fcr die Klasse 1 beobachten. Das liegt einfach daran, dass keine Person aus der tats\u00e4chlichen Klasse 1 als Mitglied dieser Klasse vorhergesagt wurde. Im Gegensatz dazu haben die Individuen der Klasse 2, bei denen 2 von 3 Individuen, die der Klasse 2 zugeordnet wurden, richtig zugeordnet wurden, eine Genauigkeit von 0,67.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-f89645a e-flex e-con-boxed e-con\" data-id=\"f89645a\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-78222ac elementor-widget elementor-widget-heading\" data-id=\"78222ac\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Die Unterschiede zwischen Micro-Average und Macro-Average<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-0ceeb83 elementor-widget elementor-widget-text-editor\" data-id=\"0ceeb83\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400\">Die Berechnung und Interpretation dieser Mittelwerte unterscheidet sich leicht.<\/span><\/p><p><span style=\"font-weight: 400\">Unabh\u00e4ngig von der verwendeten Metrik wird bei einem Makro-Mittelwert der Mittelwert aus der Berechnung der Metrik unabh\u00e4ngig von den Klassen gebildet. Im Gegensatz dazu ber\u00fccksichtigt ein Mikro-Mittelwert die Beitr\u00e4ge jeder Klasse, um die durchschnittliche Metrik zu berechnen.<\/span><\/p><p><span style=\"font-weight: 400\">Bei einer Klassifizierung mit mehreren Klassen wird dieser Ansatz oft bevorzugt, wenn man ein Ungleichgewicht zwischen den Klassen vermutet (Anzahl, Bedeutung &#8230;).<\/span><\/p><p><span style=\"font-weight: 400\">Beispiel:<\/span><\/p><p><span style=\"font-weight: 400\">Dies f\u00fchrt zu folgendem Ergebnis:<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-4e7358c elementor-widget elementor-widget-image\" data-id=\"4e7358c\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"512\" height=\"152\" src=\"https:\/\/datascientest.com\/de\/files\/2022\/11\/unnamed-4.webp\" class=\"attachment-full size-full wp-image-165638\" alt=\"\" srcset=\"https:\/\/datascientest.com\/de\/files\/2022\/11\/unnamed-4.webp 512w, https:\/\/datascientest.com\/de\/files\/2022\/11\/unnamed-4-300x89.webp 300w\" sizes=\"(max-width: 512px) 100vw, 512px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-3da9c0a elementor-widget elementor-widget-text-editor\" data-id=\"3da9c0a\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400\">Du wei\u00dft jetzt, wie du die Ergebnisse eines Klassifikationsalgorithmus lesen und interpretieren kannst.<\/span><\/p><p><span style=\"font-weight: 400\">Wenn du mehr dar\u00fcber erfahren m\u00f6chtest, kannst du dir unsere Kurse Data Analyst, Data Scientist und Data Manager ansehen, in denen diese Konzepte anhand konkreterer F\u00e4lle wiederholt werden.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-8eb6b79 elementor-align-center button-principal elementor-widget elementor-widget-button\" data-id=\"8eb6b79\" data-element_type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-md\" href=\"https:\/\/datascientest.com\/de\/unsere-aus-und-weiterbildungen\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t<span class=\"elementor-button-text\">Entdecken Sie unsere Schulungen<\/span>\n\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-0202006 e-flex e-con-boxed e-con\" data-id=\"0202006\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-74f352b elementor-widget elementor-widget-html\" data-id=\"74f352b\" data-element_type=\"widget\" data-widget_type=\"html.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<script type=\"application\/ld+json\">\r\n{\r\n  \"@context\": \"https:\/\/schema.org\",\r\n  \"@type\": \"FAQPage\",\r\n  \"mainEntity\": [{\r\n    \"@type\": \"Question\",\r\n    \"name\": \"Was genau ist eine Confusion matrix?\",\r\n    \"acceptedAnswer\": {\r\n      \"@type\": \"Answer\",\r\n      \"text\": \"Beim Machine Learning wird ein Algorithmus mit Daten gef\u00fcttert, damit er selbstst\u00e4ndig lernt, eine bestimmte Aufgabe zu erledigen. Bei Klassifikationsproblemen sagt er Ergebnisse voraus, die mit der Realit\u00e4t verglichen werden m\u00fcssen, um seinen Leistungsgrad zu messen. Normalerweise wird die Konfusionsmatrix, auch Kontingenztabelle genannt, verwendet. Sie hebt nicht nur die richtigen und falschen Vorhersagen hervor, sondern gibt uns vor allem einen Hinweis auf die Art der Fehler, die gemacht wurden. Um eine Konfusionsmatrix zu berechnen, ben\u00f6tigt man einen Testdatensatz und einen Validierungsdatensatz, der die Werte der erzielten Ergebnisse enth\u00e4lt.\"\r\n    }\r\n  },{\r\n    \"@type\": \"Question\",\r\n    \"name\": \"Welche Metriken verwenden wir, um unsere Vorhersagen zu bewerten?\",\r\n    \"acceptedAnswer\": {\r\n      \"@type\": \"Answer\",\r\n      \"text\": \"In diesem Fall haben wir uns daf\u00fcr entschieden, die verschiedenen Klassen nach den Werten von y_true zu benennen. Wir sehen dann verschiedene Metriken, die es uns erm\u00f6glichen, die Qualit\u00e4t unserer Vorhersagen zu beurteilen:\r\n\r\nPr\u00e4zision\r\nRecall\r\nF1-Score\r\n\r\nIn unserem Fall kann man eine Genauigkeit von 0 f\u00fcr die Klasse 1 beobachten. Das liegt einfach daran, dass keine Person aus der tats\u00e4chlichen Klasse 1 als Mitglied dieser Klasse vorhergesagt wurde. Im Gegensatz dazu haben die Individuen der Klasse 2, bei denen 2 von 3 Individuen, die der Klasse 2 zugeordnet wurden, richtig zugeordnet wurden, eine Genauigkeit von 0,67.\"\r\n    }\r\n  }]\r\n}\r\n<\/script>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"<p>GDie Leistung eines Machine-Learning-Algorithmus steht in direktem Zusammenhang mit seiner F\u00e4higkeit, ein Ergebnis vorherzusagen. Wenn man versucht, die Ergebnisse eines Algorithmus mit der Realit\u00e4t zu vergleichen, verwendet man eine Konfusionsmatrix. In diesem Artikel erf\u00e4hrst du, wie du diese Matrix lesen kannst, um die Ergebnisse eines Klassifikationsalgorithmus zu interpretieren. Was genau ist eine Confusion matrix? Beim [&hellip;]<\/p>\n","protected":false},"author":47,"featured_media":165610,"comment_status":"open","ping_status":"open","sticky":false,"template":"elementor_theme","format":"standard","meta":{"content-type":"","inline_featured_image":false},"categories":[2454],"tags":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO Premium plugin v21.7 (Yoast SEO v21.7) - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Confusion matrix: Was genau ist das und wie wird sie angewendet?<\/title>\n<meta name=\"description\" content=\"Die Leistung eines Machine-Learning-Algorithmus steht in direktem Zusammenhang mit seiner F\u00e4higkeit, ein Ergebnis vorherzusagen. Wenn man versucht, die Ergebnisse eines Algorithmus mit der Realit\u00e4t zu vergleichen, verwendet man eine confusion matrix. In diesem Artikel erf\u00e4hrst du, wie du diese Matrix lesen kannst, um die Ergebnisse eines Klassifikationsalgorithmus zu interpretieren.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/datascientest.com\/de\/confusion-matrix\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Confusion matrix: Was genau ist das und wie wird sie angewendet?\" \/>\n<meta property=\"og:description\" content=\"GDie Leistung eines Machine-Learning-Algorithmus steht in direktem Zusammenhang mit seiner F\u00e4higkeit, ein Ergebnis vorherzusagen. Wenn man versucht, die\" \/>\n<meta property=\"og:url\" content=\"https:\/\/datascientest.com\/de\/confusion-matrix\" \/>\n<meta property=\"og:site_name\" content=\"Weiterbildung Data Science | DataScientest.com\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/DataScientestEN\" \/>\n<meta property=\"article:published_time\" content=\"2023-02-01T20:30:33+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2023-10-29T19:11:36+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2022\/11\/illu_matrice_confusion_blog-83-1.webp\" \/>\n\t<meta property=\"og:image:width\" content=\"768\" \/>\n\t<meta property=\"og:image:height\" content=\"421\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/webp\" \/>\n<meta name=\"author\" content=\"Adriano R\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@DataScientest__\" \/>\n<meta name=\"twitter:site\" content=\"@DataScientest__\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"Adriano R\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\"6 Minuten\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/datascientest.com\/de\/confusion-matrix#article\",\"isPartOf\":{\"@id\":\"https:\/\/datascientest.com\/de\/confusion-matrix\"},\"author\":{\"name\":\"Adriano R\",\"@id\":\"https:\/\/datascientest.com\/de\/#\/schema\/person\/3d2560836c47019eb12b7b77f3a15378\"},\"headline\":\"Confusion matrix: Was genau ist das und wie wird sie angewendet?\",\"datePublished\":\"2023-02-01T20:30:33+00:00\",\"dateModified\":\"2023-10-29T19:11:36+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/datascientest.com\/de\/confusion-matrix\"},\"wordCount\":736,\"commentCount\":0,\"publisher\":{\"@id\":\"https:\/\/datascientest.com\/de\/#organization\"},\"articleSection\":[\"Data Science\"],\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"CommentAction\",\"name\":\"Comment\",\"target\":[\"https:\/\/datascientest.com\/de\/confusion-matrix#respond\"]}],\"copyrightYear\":\"2023\",\"copyrightHolder\":{\"@id\":\"https:\/\/datascientest.com\/#organization\"}},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/datascientest.com\/de\/confusion-matrix\",\"url\":\"https:\/\/datascientest.com\/de\/confusion-matrix\",\"name\":\"Confusion matrix: Was genau ist das und wie wird sie angewendet?\",\"isPartOf\":{\"@id\":\"https:\/\/datascientest.com\/de\/#website\"},\"datePublished\":\"2023-02-01T20:30:33+00:00\",\"dateModified\":\"2023-10-29T19:11:36+00:00\",\"description\":\"Die Leistung eines Machine-Learning-Algorithmus steht in direktem Zusammenhang mit seiner F\u00e4higkeit, ein Ergebnis vorherzusagen. Wenn man versucht, die Ergebnisse eines Algorithmus mit der Realit\u00e4t zu vergleichen, verwendet man eine confusion matrix. In diesem Artikel erf\u00e4hrst du, wie du diese Matrix lesen kannst, um die Ergebnisse eines Klassifikationsalgorithmus zu interpretieren.\",\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/datascientest.com\/de\/confusion-matrix\"]}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/datascientest.com\/de\/#website\",\"url\":\"https:\/\/datascientest.com\/de\/\",\"name\":\"Weiterbildung Data Science | DataScientest.com\",\"description\":\"F\u00fchrender Anbieter von Schulungen im Bereich Data Science\",\"publisher\":{\"@id\":\"https:\/\/datascientest.com\/de\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/datascientest.com\/de\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"de\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/datascientest.com\/de\/#organization\",\"name\":\"DataScientest\",\"url\":\"https:\/\/datascientest.com\/de\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\/\/datascientest.com\/de\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2024\/02\/DataScientest_icon_blue-2.png\",\"contentUrl\":\"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2024\/02\/DataScientest_icon_blue-2.png\",\"width\":301,\"height\":301,\"caption\":\"DataScientest\"},\"image\":{\"@id\":\"https:\/\/datascientest.com\/de\/#\/schema\/logo\/image\/\"},\"sameAs\":[\"https:\/\/www.facebook.com\/DataScientestEN\",\"https:\/\/twitter.com\/DataScientest__\",\"https:\/\/www.linkedin.com\/company\/datascientest-germany\/\",\"https:\/\/www.tiktok.com\/@datascientest\"]},{\"@type\":\"Person\",\"@id\":\"https:\/\/datascientest.com\/de\/#\/schema\/person\/3d2560836c47019eb12b7b77f3a15378\",\"name\":\"Adriano R\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\/\/datascientest.com\/de\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/secure.gravatar.com\/avatar\/fbfbc3a7811c63caf3333396a123058f?s=96&d=mm&r=g\",\"contentUrl\":\"https:\/\/secure.gravatar.com\/avatar\/fbfbc3a7811c63caf3333396a123058f?s=96&d=mm&r=g\",\"caption\":\"Adriano R\"},\"sameAs\":[\"user\"],\"url\":\"https:\/\/datascientest.com\/de\/author\/adriano-r\"}]}<\/script>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"Confusion matrix: Was genau ist das und wie wird sie angewendet?","description":"Die Leistung eines Machine-Learning-Algorithmus steht in direktem Zusammenhang mit seiner F\u00e4higkeit, ein Ergebnis vorherzusagen. Wenn man versucht, die Ergebnisse eines Algorithmus mit der Realit\u00e4t zu vergleichen, verwendet man eine confusion matrix. In diesem Artikel erf\u00e4hrst du, wie du diese Matrix lesen kannst, um die Ergebnisse eines Klassifikationsalgorithmus zu interpretieren.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/datascientest.com\/de\/confusion-matrix","og_locale":"de_DE","og_type":"article","og_title":"Confusion matrix: Was genau ist das und wie wird sie angewendet?","og_description":"GDie Leistung eines Machine-Learning-Algorithmus steht in direktem Zusammenhang mit seiner F\u00e4higkeit, ein Ergebnis vorherzusagen. Wenn man versucht, die","og_url":"https:\/\/datascientest.com\/de\/confusion-matrix","og_site_name":"Weiterbildung Data Science | DataScientest.com","article_publisher":"https:\/\/www.facebook.com\/DataScientestEN","article_published_time":"2023-02-01T20:30:33+00:00","article_modified_time":"2023-10-29T19:11:36+00:00","og_image":[{"width":768,"height":421,"url":"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2022\/11\/illu_matrice_confusion_blog-83-1.webp","type":"image\/webp"}],"author":"Adriano R","twitter_card":"summary_large_image","twitter_creator":"@DataScientest__","twitter_site":"@DataScientest__","twitter_misc":{"Verfasst von":"Adriano R","Gesch\u00e4tzte Lesezeit":"6 Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/datascientest.com\/de\/confusion-matrix#article","isPartOf":{"@id":"https:\/\/datascientest.com\/de\/confusion-matrix"},"author":{"name":"Adriano R","@id":"https:\/\/datascientest.com\/de\/#\/schema\/person\/3d2560836c47019eb12b7b77f3a15378"},"headline":"Confusion matrix: Was genau ist das und wie wird sie angewendet?","datePublished":"2023-02-01T20:30:33+00:00","dateModified":"2023-10-29T19:11:36+00:00","mainEntityOfPage":{"@id":"https:\/\/datascientest.com\/de\/confusion-matrix"},"wordCount":736,"commentCount":0,"publisher":{"@id":"https:\/\/datascientest.com\/de\/#organization"},"articleSection":["Data Science"],"inLanguage":"de","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/datascientest.com\/de\/confusion-matrix#respond"]}],"copyrightYear":"2023","copyrightHolder":{"@id":"https:\/\/datascientest.com\/#organization"}},{"@type":"WebPage","@id":"https:\/\/datascientest.com\/de\/confusion-matrix","url":"https:\/\/datascientest.com\/de\/confusion-matrix","name":"Confusion matrix: Was genau ist das und wie wird sie angewendet?","isPartOf":{"@id":"https:\/\/datascientest.com\/de\/#website"},"datePublished":"2023-02-01T20:30:33+00:00","dateModified":"2023-10-29T19:11:36+00:00","description":"Die Leistung eines Machine-Learning-Algorithmus steht in direktem Zusammenhang mit seiner F\u00e4higkeit, ein Ergebnis vorherzusagen. Wenn man versucht, die Ergebnisse eines Algorithmus mit der Realit\u00e4t zu vergleichen, verwendet man eine confusion matrix. In diesem Artikel erf\u00e4hrst du, wie du diese Matrix lesen kannst, um die Ergebnisse eines Klassifikationsalgorithmus zu interpretieren.","inLanguage":"de","potentialAction":[{"@type":"ReadAction","target":["https:\/\/datascientest.com\/de\/confusion-matrix"]}]},{"@type":"WebSite","@id":"https:\/\/datascientest.com\/de\/#website","url":"https:\/\/datascientest.com\/de\/","name":"Weiterbildung Data Science | DataScientest.com","description":"F\u00fchrender Anbieter von Schulungen im Bereich Data Science","publisher":{"@id":"https:\/\/datascientest.com\/de\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/datascientest.com\/de\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"de"},{"@type":"Organization","@id":"https:\/\/datascientest.com\/de\/#organization","name":"DataScientest","url":"https:\/\/datascientest.com\/de\/","logo":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/datascientest.com\/de\/#\/schema\/logo\/image\/","url":"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2024\/02\/DataScientest_icon_blue-2.png","contentUrl":"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2024\/02\/DataScientest_icon_blue-2.png","width":301,"height":301,"caption":"DataScientest"},"image":{"@id":"https:\/\/datascientest.com\/de\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/DataScientestEN","https:\/\/twitter.com\/DataScientest__","https:\/\/www.linkedin.com\/company\/datascientest-germany\/","https:\/\/www.tiktok.com\/@datascientest"]},{"@type":"Person","@id":"https:\/\/datascientest.com\/de\/#\/schema\/person\/3d2560836c47019eb12b7b77f3a15378","name":"Adriano R","image":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/datascientest.com\/de\/#\/schema\/person\/image\/","url":"https:\/\/secure.gravatar.com\/avatar\/fbfbc3a7811c63caf3333396a123058f?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/fbfbc3a7811c63caf3333396a123058f?s=96&d=mm&r=g","caption":"Adriano R"},"sameAs":["user"],"url":"https:\/\/datascientest.com\/de\/author\/adriano-r"}]}},"_links":{"self":[{"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/posts\/165607"}],"collection":[{"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/users\/47"}],"replies":[{"embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/comments?post=165607"}],"version-history":[{"count":0,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/posts\/165607\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/media\/165610"}],"wp:attachment":[{"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/media?parent=165607"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/categories?post=165607"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/tags?post=165607"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}