Dizionario AI › Fondamenti AI

Matrice di confusione

Confusion matrix

La matrice di confusione è una tabella che riassume le prestazioni di un modello di classificazione confrontando le previsioni fatte con le etichette reali, mostrando esattamente dove il modello ha avuto ragione e dove si è sbagliato. È lo strumento diagnostico di base per capire non solo quanto un modello sbaglia, ma in quale direzione sbaglia.

Definizione

Come funziona

Nel caso più semplice, la classificazione a due classi, la matrice ha quattro celle: i veri positivi, casi positivi correttamente identificati come tali, i veri negativi, casi negativi correttamente identificati, i falsi positivi, casi negativi scambiati per positivi, e i falsi negativi, casi positivi scambiati per negativi. Da questi quattro numeri si calcolano quasi tutte le metriche di valutazione più usate, come precisione, richiamo e accuratezza. Con più di due classi la matrice si estende a una griglia più grande, con una riga e una colonna per ciascuna categoria.

Applicazioni

È particolarmente rivelatrice quando i due tipi di errore hanno conseguenze molto diverse: in un sistema diagnostico medico, un falso negativo, non individuare una malattia presente, può essere molto più grave di un falso positivo, che genera solo un controllo aggiuntivo. La matrice di confusione permette di vedere questo squilibrio in modo immediato, cosa che una singola metrica aggregata come l'accuratezza rischia di nascondere, specialmente con classi sbilanciate.

Storia ed etimologia

Il termine confusion, confusione in inglese, descrive letteralmente le celle fuori dalla diagonale principale della tabella, dove il modello confonde una classe con un'altra. Il concetto affonda le radici nella statistica applicata alla diagnostica e ai test psicologici della prima metà del Novecento e viene adottato sistematicamente nella letteratura di machine learning e pattern recognition a partire dagli anni '60 e '70 come strumento standard per valutare i classificatori.

Termini correlati

• Classificazione
• Precisione e Richiamo (Precision-Recall)
• Curva ROC e AUC
• Metriche di valutazione
• Dati sbilanciati (Class Imbalance)

Altri termini in Fondamenti AI

• LLM (Large Language Model)
• Token
• Context Window
• Temperature
• Allucinazione (AI Hallucination)
• Fine-tuning
• RAG (Retrieval Augmented Generation)
• Embedding

Mettilo alla prova

• Scenario reale: applica questo concetto con un verdetto AI immediato.
• Palestra quotidiana: brevi esercizi per allenare i concetti del dizionario.
• Gioco Playoff: sfida altri giocatori, a eliminazione diretta.

📱 Scarica l'app Android (beta) iOS in arrivo

Dì quello che intendi. Ottieni quello che ti serve.

Grace Certified, la coach AI che allena e certifica il tuo prompt engineering, di Agora Intelligence.