Macierz pomyłek
Tabela zestawiająca przewidywania modelu z rzeczywistością. Cztery komórki dla problemu binarnego: prawdziwie pozytywne, fałszywie pozytywne, fałszywie negatywne i prawdziwie negatywne. Wszystko inne mierzy się od tego punktu.
Precyzja to odsetek oznaczonych przez model przypadków, które faktycznie coś znaczyły; czułość (recall) to odsetek istniejących przypadków, które model znalazł. Obie miary ciągną w przeciwne strony, a to, która ważniejsza, zależy wyłącznie od zastosowania — badanie przesiewowe w kierunku raka może przeoczyć niewiele przypadków, filtr spamu nie może wyrzucać prawdziwej poczty. Dokładność (accuracy) jest prawie zawsze miarą zwodniczą. Jeśli jeden procent transakcji to oszustwa, model, który zawsze odpowiada „nie”, jest w 99 procentach dokładny i nic nie wart. Macierz pokazuje to od razu: cała kolumna pozytywna jest pusta. Dla wielu klas staje się kwadratową tabelą, w której ciekawe błędy leżą poza przekątną.