Ma trận nhầm lẫn

Ma trận nhầm lẫn (Confusion Matrix) là gì?

Ma trận nhầm lẫn là bảng kích thước N×N (với N là số lớp) dùng để đối chiếu kết quả dự đoán của mô hình phân loại với giá trị thực tế. Ma trận giúp nhà phân tích nhận diện rõ loại lỗi mà mô hình đang mắc phải, thay vì chỉ nhìn vào độ chính xác tổng thể.

Cấu trúc cơ bản (phân loại nhị phân)

• TP (True Positive): mô hình dự đoán positive và thực tế là positive.
• TN (True Negative): dự đoán negative và thực tế là negative.
• FP (False Positive - Báo động giả): dự đoán positive nhưng thực tế negative (Lỗi loại I).
• FN (False Negative - Bỏ sót): dự đoán negative nhưng thực tế positive (Lỗi loại II).

Từ ma trận này, các chỉ số quan trọng được tính: Precision = TP/(TP+FP), Recall = TP/(TP+FN), F1-score và Accuracy = (TP+TN)/Tổng.

Ví dụ trong ngân hàng

Xét mô hình phân loại khách hàng vỡ nợ trên 1.000 hồ sơ vay:

• TP = 80 (dự đoán vỡ nợ đúng)
• FN = 20 (dự đoán không vỡ nợ nhưng thực tế vỡ nợ)
• FP = 50 (dự đoán vỡ nợ nhưng thực tế trả đúng hạn)
• TN = 850 (dự đoán đúng trường hợp không vỡ nợ)

⇒ Precision = 61,5%, Recall = 80%, Accuracy = 93%. Mặc dù accuracy cao, recall = 80% nghĩa là mô hình còn bỏ sót 20% khách hàng có nguy cơ vỡ nợ — ảnh hưởng nghiêm trọng đến quản trị rủi ro tín dụng theo Thông tư 41/2018/TT-NHNN về tỷ lệ an toàn vốn. Trong ngữ cảnh này, việc giảm FN thường quan trọng hơn giảm FP.