混同行列作成ツール

混同行列（Confusion Matrix）で可視化できること

混同行列は、機械学習モデルなどの「実測値（Actual）」と「予測値（Predicted）」を格子状に比較する手法です。単一の正解率（Accuracy）スコアに要約してしまうと見えなくなるモデルの誤り（エラーの傾向）を可視化します。対角成分は正しく予測された数を示し、非対角成分はモデルがどのクラス間を混同しているかを示します。

混同行列作成に必要なデータ要件

• 行レベルの「実測値」と「予測値」のペア、または集計済みの正方行列（クラス×クラスのカウント表）をアップロードしてください。
• 行と列で、全く同じクラス名および並び順を使用してください。
• 評価プロトコルで要求されている場合のみ、サンプルウェイト（重み付け）を適用してください。
• セル内の数値が、生のカウント数、行ベースの割合、列ベースの割合、または全観測値に対する比率のいずれであるかを明記してください。

混同行列の学術・研究における活用例

• 二値分類の混同行列例
• 多クラス混同行列
• 正規化混同行列
• 混同行列ヒートマップ
• 機械学習の混同行列
• 適合率・再現率付き混同行列

モデル評価に混同行列を用いるべき理由

• 偽陽性（False Positive）や偽陰性（False Negative）がどのクラスで多発しているかを特定できます。
• 全体の正解率（Accuracy）が高くても、不均衡データにおける少数クラスの分類性能が著しく低いといった問題を見逃しません。
• 生のカウント数と、正規化されたクラスごとの適合率・再現率等の比率を対比できます。
• 出力された予測結果から、再現可能で信頼性の高いモデル評価フィギュアを作成できます。

混同行列作成ツール の使い方

例を選ぶか、CSV、TSV、TXT、XLSX、XLS のいずれか1ファイルをアップロードします。検出された列を確認して図を生成し、SciVis で編集します。Excel は先頭シートを使用します。

論文に耐えうる混同行列の必須要素

• 「Actual（実測値）」および「Predicted（予測値）」の明確な軸ラベル。
• 一貫した順序で並べられたクラス名。
• セル内の数値と、視認性の高いシーケンシャル（連続的）なカラースケール。
• テストデータセットの詳細、正規化方法、および総サンプル数（N）を明記したキャプション。

混同行列とROC曲線の使い分け

特定の決定閾値（Decision Rule）におけるクラスごとの具体的な予測結果を検証したい場合は、混同行列を使用します。閾値を変化させたときのモデル全体の識別性能を評価したい場合は、ROC曲線や適合率–再現率曲線（PR曲線）を使用します。特にデータが不均衡な場合は、ROC曲線よりもPR曲線の方が有用な情報を示します。