Die Konfusionsmatrix ist eines der wichtigsten Werkzeuge zur Bewertung von Klassifikationsmodellen in der Datenanalyse und künstlichen Intelligenz. Sie hilft dabei, die Leistung eines Modells zu analysieren und zu verstehen, wo es Fehler macht. Dabei werden tatsächliche Werte mit vom Modell vorhergesagten Werten verglichen.

Bedeutung der einzelnen Werte:
- True Positive (TP) – Das Modell hat ein positives Ereignis korrekt erkannt.
- False Negative (FN) – Das Modell hat ein positives Ereignis fälschlicherweise als negativ klassifiziert.
- False Positive (FP) – Das Modell hat ein negatives Ereignis fälschlicherweise als positiv klassifiziert.
- True Negative (TN) – Das Modell hat ein negatives Ereignis korrekt erkannt.
Durch diese Werte lassen sich wichtige Metriken berechnen, die die Qualität des Modells bewerten:
- Accuracy (Genauigkeit) – Anteil der korrekten Vorhersagen.
- Precision (Präzision) – Wie viele der als positiv klassifizierten Werte tatsächlich positiv sind.
- Recall (Sensitivität) – Wie viele der tatsächlich positiven Fälle erkannt wurden.
- F1-Score – Eine Kombination aus Präzision und Recall für ein ausgewogenes Bild der Modellqualität.
Eine typische Konfusionsmatrix für ein binäres Klassifikationsmodell sieht folgendermaßen aus:
Vorhergesagt: Positiv | Vorhergesagt: Negativ | |
---|---|---|
Tatsächlich: Positiv | True Positive (TP) | False Negative (FN) |
Tatsächlich: Negativ | False Positive (FP) | True Negative (TN) |
Die Werte der Matrix helfen dabei, verschiedene Kennzahlen zur Bewertung des Modells zu berechnen:
- Accuracy (Genauigkeit): (TP + TN) / (TP + TN + FP + FN) – Anteil der korrekt klassifizierten Fälle
- Precision (Präzision): TP / (TP + FP) – Wie viele der als positiv vorhergesagten Werte tatsächlich positiv sind
- Recall (Sensitivität): TP / (TP + FN) – Wie viele der tatsächlich positiven Fälle korrekt erkannt wurden
- F1-Score: 2 × (Precision × Recall) / (Precision + Recall) – Harmonisches Mittel aus Präzision und Recall
Interaktive Anwendung
Um die Berechnung dieser Metriken besser zu verstehen, bietet die folgende interaktive Anwendung die Möglichkeit, Werte für TP, FP, TN und FN einzugeben. Das System berechnet daraufhin automatisch die entsprechenden Metriken und zeigt zudem den vollständigen Rechenweg an.
Interaktive Konfusionsmatrix
Vorhergesagt: Positiv | Vorhergesagt: Negativ | |
---|---|---|
Tatsächlich: Positiv | ||
Tatsächlich: Negativ |
Die Konfusionsmatrix ist also ein essenzielles Hilfsmittel, um die Stärken und Schwächen eines Modells zu verstehen. Sie liefert detaillierte Einblicke in die Klassifikationsleistung und hilft dabei, das Modell gezielt zu verbessern.