نقش confusion matrix در تحلیل مدل چیست

---

ماتریس سردرگمی (Confusion Matrix) یک ابزار حیاتی برای ارزیابی عملکرد مدل‌های طبقه‌بندی (Classification Models) است و عملکرد مدل را با مقایسه پیش‌بینی‌ها با نتایج واقعی نمایش می‌دهد.

این ماتریس معیارهایی مانند:
* **True Positives (TP):** تعداد موارد مثبت که به درستی شناسایی شده‌اند.
* **True Negatives (TN):** تعداد موارد منفی که به درستی شناسایی شده‌اند.
* **False Positives (FP):** موارد منفی که اشتباهاً مثبت تشخیص داده شده‌اند (خطای نوع اول).
* **False Negatives (FN):** موارد مثبت که اشتباهاً منفی تشخیص داده شده‌اند (خطای نوع دوم).

با محاسبه این مقادیر، می‌توان معیارهای مهمی مانند دقت (Accuracy)، فراخوانی (Recall/Sensitivity)، و امتیاز مشخص (Precision) را به دست آورد تا کارایی مدل به‌طور دقیق سنجیده شود.