Confusion Matrix

Classification Model เป็นการพยายามทำนาย Class ถือเป็น Machine Learning ประเภท Supervised Learning

หากค่าที่ต้องการทำนายมี 2 Classes เรียกว่า Binary Classification เช่น การทำนายลูกค้าที่จะ Churn หรือ Churn Prediction Model

วิธีการวัดประสิทธิภาพของ Model สามารถพิจารณาได้จาก Confusion Matrix

สิ่งที่ได้จาก Model คือ ทำนายว่าลูกค้าจะ Churn (Positive Class) หรือ ไม่ Churn (Negative Class) และ เมื่อเปรียบเทียบกับค่าจริง (Actual) ที่เกิดขึ้นในอดีต จะมีผลลัพธ์ที่ถูก (True) และ ผิด (False)

Confusion Matrix ประกอบไปด้วย 4 ค่า

• True Positive - ลูกค้าที่ Churn และโมเดลทำนายถูกว่า Churn (โมเดลทำนาย Positive Class ถูก)
• True Negative - ลูกค้าที่ไม่ Churn และโมเดลทำนายถูกว่าไม่ Churn (โมเดลทำนาย Negative Class ถูก)
• False Positive - ลูกค้าที่ไม่ Churn แต่โมเดลทำนายว่า Churn (โมเดลทำนายผิดเป็น Positive Class)
• False Negative -  ลูกค้าที่ Churn แต่โมเดลทำนายว่าไม่ Churn (โมเดลทำนายผิดเป็น Negative Class)

ค่าเหล่านี้ สามารถนำไปคำนวณเป็น Accuracy, Precision, Recall ฯลฯ

เช่น Accuracy = (TP + TN)/(TP + FP + TN + FN)