Matriz de Confusão

Resumo

Quando fazemos uma pesquisa (query) na PubMed aparecem, p.ex., 100 referências, e obviamente o restante (milhões de referências) não aparecem. Relativo às referências que aparecem dizemos que o resultado foi positivo e com relação às que não aparecem o resultado foi negativo.

Mas, em ciência, qualquer pesquisa tem seus erros!

Aos erros para resultados positivos, denominamos de Falsos Positivos. Ou seja, positivos que não deveriam estar lá, foram encontrados mas estão errados.

Aos erros para resultados negativos, denominamos de Falsos Negativos. Ou seja, negativos que não deveriam estar lá, não foram encontrados mas estão corretos, deveriam ser positivos.

Logo, podemos desejar uma matriz de confusão.

	True	False
Positive	True Positive (TP)	False Positive (FP)
Negative	False Negative (FN)	True Negative (TN)

Exemplo fictício: vamos pesquisar o conceito “Hipertensão Arterial” (Arterial Hypertension) na PubMed.

O engine encontrou 653308 artigos científicos! Mas, vamos supor que 300 estão errados, eram relativos à nefrologia ou câncer. E vamos supor que descobrimos que o engine não trouxe 103 artigos corretos. Logo, temos 300 FP e 103 FN.

Portanto, a matriz de confusão ficará assim

	True	False
Positive	653308-300	300
Negative	103	38 Milhões - 653308 - 103