Playground AI

Eksperymentuj z algorytmami AI bezpośrednio w przeglądarce.

Macierz pomyłek

Macierz pomyłek (confusion matrix) to podstawowe narzędzie ewaluacji modeli klasyfikacyjnych. Cztery komórki — TP, FP, FN, TN — pokazują wszystkie możliwe wyniki predykcji. Z nich obliczamy metryki: Accuracy (ogólna poprawność), Precision (ile pozytywnych predykcji jest trafnych), Recall (ile faktycznie pozytywnych przypadków wykrywamy) i F1 (średnia harmoniczna Precision i Recall).

Czego się nauczysz

  • Czym różnią się Accuracy, Precision, Recall i F1
  • Jak próg decyzyjny wpływa na balans TP/FP
  • Jak czytać krzywą ROC i co oznacza AUC
  • Kiedy Accuracy jest mylącą metryką

Jak korzystać z wizualizacji

Interaktywna macierz pomyłek (confusion matrix) z edytowalnymi wartościami TP, FP, FN, TN. Obserwuj jak zmiana progu decyzyjnego wpływa na metryki: Accuracy, Precision, Recall, F1-score. Krzywa ROC wizualizuje kompromis między czułością a specyficznością.

Ładowanie wizualizacji...

Poznaj teorię

Wizualizacja to świetny start, ale pełne zrozumienie wymaga teorii. Przeczytaj artykuł w bazie wiedzy, żeby dowiedzieć się jak to naprawdę działa pod maską.

Przeczytaj artykuł →