Imagine que você treinou um modelo de inteligência artificial para identificar e-mails de spam e ele apresenta 95% de acerto. Parece ótimo, certo? Nem sempre. Se apenas 5% dos e-mails forem spam, um modelo que classifica tudo como “não spam” também acerta 95% das vezes — e não serve para nada. É exatamente para enxergar esse tipo de situação que existe a matriz de confusão, uma das ferramentas mais importantes para avaliar modelos de classificação.
Neste artigo, você vai entender o que é a matriz de confusão, como lê-la e quais métricas derivam dela, com exemplos simples e sem fórmulas assustadoras.
O que é a matriz de confusão
A matriz de confusão é uma tabela que compara aquilo que o modelo previu com aquilo que realmente aconteceu. Em vez de resumir o desempenho em um único número, ela mostra onde o modelo acerta e, principalmente, como ele erra. O nome vem justamente disso: ela revela quando o modelo “confunde” uma classe com outra.
No caso mais comum, a classificação binária (duas classes, como “spam” e “não spam” ou “doente” e “saudável”), a matriz tem quatro células. Para facilitar, chamamos uma das classes de positiva (geralmente a que queremos detectar) e a outra de negativa.
As quatro células da matriz
| Previsto: Positivo | Previsto: Negativo | |
|---|---|---|
| Real: Positivo | Verdadeiro Positivo (VP) | Falso Negativo (FN) |
| Real: Negativo | Falso Positivo (FP) | Verdadeiro Negativo (VN) |
- Verdadeiro Positivo (VP): o caso era positivo e o modelo disse que era positivo. Exemplo: era spam e foi para a caixa de spam.
- Verdadeiro Negativo (VN): o caso era negativo e o modelo acertou. Um e-mail legítimo chegou à caixa de entrada.
- Falso Positivo (FP): o modelo disse “positivo”, mas era negativo. Um e-mail importante foi parar no spam. Também é chamado de erro do tipo I.
- Falso Negativo (FN): o modelo disse “negativo”, mas era positivo. Um spam passou despercebido. Também é chamado de erro do tipo II.
Uma dica para memorizar: a segunda palavra (positivo/negativo) indica o que o modelo previu; a primeira (verdadeiro/falso) indica se essa previsão estava certa.
Um exemplo prático
Suponha um modelo que analisou 1.000 e-mails, dos quais 100 eram spam de verdade. O resultado foi o seguinte:
| Previsto: Spam | Previsto: Não spam | |
|---|---|---|
| Real: Spam (100) | 80 (VP) | 20 (FN) |
| Real: Não spam (900) | 30 (FP) | 870 (VN) |
Com esses números (fictícios, apenas para ilustrar), já conseguimos calcular as principais métricas de avaliação.
Acurácia: a métrica mais intuitiva (e mais enganosa)
A acurácia é a proporção de acertos totais: (VP + VN) ÷ total. No exemplo, (80 + 870) ÷ 1.000 = 95%.
O problema é que a acurácia trata todos os erros como iguais e é muito sensível ao desbalanceamento de classes. Quando uma classe é muito mais frequente que a outra — como em detecção de fraudes, doenças raras ou defeitos em linha de produção — uma acurácia alta pode esconder um modelo que quase nunca encontra o que deveria encontrar.
Precisão: quando o modelo diz “sim”, ele está certo?
A precisão responde à pergunta: de tudo o que o modelo classificou como positivo, quanto era realmente positivo? A conta é VP ÷ (VP + FP). No exemplo: 80 ÷ (80 + 30) ≈ 72,7%.
A precisão é importante quando o falso positivo é caro. Pense em um filtro de spam: mandar um e-mail de trabalho para a lixeira pode causar mais prejuízo do que deixar passar um spam ocasional.
Recall (sensibilidade): o modelo encontra todos os positivos?
O recall, também chamado de sensibilidade ou revocação, mede: de todos os casos realmente positivos, quantos o modelo conseguiu detectar? A conta é VP ÷ (VP + FN). No exemplo: 80 ÷ (80 + 20) = 80%.
O recall é prioridade quando o falso negativo é caro. Em uma triagem médica, por exemplo, deixar de identificar uma pessoa doente costuma ser mais grave do que pedir um exame extra para alguém saudável.
F1-score: equilibrando precisão e recall
Em geral, existe uma troca entre precisão e recall: se você torna o modelo mais “rigoroso” para dizer “sim”, a precisão tende a subir e o recall a cair; se o torna mais “permissivo”, acontece o contrário. O F1-score combina as duas métricas em um único número usando a média harmônica: 2 × (precisão × recall) ÷ (precisão + recall).
No exemplo: 2 × (0,727 × 0,80) ÷ (0,727 + 0,80) ≈ 0,76. A média harmônica penaliza desequilíbrios: se uma das duas métricas for muito baixa, o F1 também será.
Resumo das métricas
| Métrica | Fórmula | Pergunta que responde | Use quando… |
|---|---|---|---|
| Acurácia | (VP+VN) ÷ Total | Quantas previsões acertou no geral? | As classes são equilibradas |
| Precisão | VP ÷ (VP+FP) | Quando diz “sim”, está certo? | Falso positivo é caro |
| Recall | VP ÷ (VP+FN) | Encontrou todos os positivos? | Falso negativo é caro |
| Especificidade | VN ÷ (VN+FP) | Reconhece bem os negativos? | Importa evitar alarmes falsos |
| F1-score | Média harmônica de precisão e recall | Há equilíbrio entre os dois? | Classes desbalanceadas |
E quando há mais de duas classes?
A lógica continua a mesma. Em um modelo que classifica imagens em “gato”, “cachorro” e “pássaro”, a matriz terá 3 linhas e 3 colunas. A diagonal principal mostra os acertos, e as demais células mostram quais classes estão sendo confundidas entre si. Se o modelo troca muito “gato” por “cachorro”, você sabe exatamente onde investir: talvez mais exemplos de treino, imagens mais variadas ou atributos melhores.
Nesse cenário, precisão, recall e F1 são calculados para cada classe individualmente e depois podem ser combinados por média simples (macro) ou ponderada pela quantidade de exemplos de cada classe (weighted).
Boas práticas ao usar a matriz de confusão
- Avalie sempre em dados de teste, separados dos dados usados no treinamento. Medir no próprio conjunto de treino dá uma visão otimista demais.
- Defina antes qual erro é mais grave para o seu problema. Isso orienta se você deve priorizar precisão ou recall.
- Ajuste o limiar de decisão. Muitos modelos produzem uma probabilidade; mudar o ponto de corte (por exemplo, de 0,5 para 0,3) altera a matriz inteira.
- Não olhe só um número. Mostre a matriz completa em relatórios: ela comunica muito mais do que uma porcentagem isolada.
- Use ferramentas prontas. Bibliotecas como o scikit-learn, em Python, oferecem funções para gerar a matriz e as métricas com poucas linhas de código.
Conclusão
A matriz de confusão transforma uma avaliação superficial em um diagnóstico detalhado. Com ela, você descobre não apenas quanto o modelo acerta, mas que tipo de erro ele comete — e essa informação é decisiva para criar soluções de IA confiáveis no mundo real. Dominar acurácia, precisão, recall e F1 é um passo essencial para quem quer trabalhar com ciência de dados.
Se você quer aprofundar esses conceitos e praticar com projetos reais, vale conferir os cursos gratuitos de Inteligência Artificial e Ciência de Dados disponíveis na Cursa, que vão do básico de Python até modelos de machine learning.
