混淆矩阵

如果已經訓練好了一個系統用來區分貓和狗，那混淆矩陣就可以概括算法的測試結果以便將來的檢查。假設一個13個動物的樣本，8隻貓和5隻狗，那混淆矩陣的結果可能如下表所示：

在這個混淆矩陣中，系統預測了8只實際的貓，其中系統預測3只是狗，而5隻狗中，則預測有2只是貓。 所有正確的預測都位於表格的對角線上（以粗體突出顯示），因此很容易從視覺上檢查表格中的預測錯誤，因為它們將由對角線之外的值表示。

在預測分析中，混淆表（有時也稱為混淆矩陣）是具有兩行兩列的表，該表報告假陽性，假陰性，真陽性和真陰性的數量。這不僅可以進行正確分類（準確度）的分析，還可以進行更詳細的分析。對於分類器的真實性能，準確性不是可靠的指標，因為如果數據集不平衡（即，當不同類別中的觀察數發生很大變化時），它將產生誤導性結果。例如，如果數據中有95隻貓，只有5條狗，則特定的分類器可能會將所有觀察結果歸為貓。總體準確度為95％，但更詳細地，分類器對貓類別的識別率為100％（敏感性），對狗類別的識別率為0％。在這種情況下，F1得分（英語：）甚至更加不可靠，在這種情況下，F1得分將超過97.4％，而約登指數則消除了這種偏見，並且將0作為亂猜情況下能增加信息量的決定（英語：）的概率（這裡總是猜測貓）。約登指數為0的系統或測試不具有任何作用[2]。

${\displaystyle J={\frac {95}{95+0}}+{\frac {0}{0+5}}-1=0}$ （總是猜測貓的約登指數）