• FP COUNTS
  • FN COUNTS
  • CLASS BIAS
  • HUMAN REVIEW

Klassifizierungsfehler mit Ihrer KI analysieren

Verbinden Sie Ihre Vorhersagedaten einmalig. Ihre KI übernimmt die Berechnungen und zeigt Ihnen genau, wo Ihr Modell scheitert.

Fragen Sie die KI zu dieser Seite

Kurzantwort

Wie finde ich die spezifischen Fehlertypen meines Modells?

Ihre KI nutzt die Vorhersagedaten, um eine Confusion Matrix zu erstellen, die jeden False Positive und False Negative aufschlüsselt. So sehen Sie sofort, welche Klassen Ihr Modell am häufigsten verwechselt.

Fehleranalyse.

So werden Ihre Fehlerdaten aufbereitet.

Die KI wandelt Ihre Rohdaten in strukturierte Fehlerkategorien um.

FP COUNTS

False Positive Summen

Die KI erkennt jedes Mal, wenn Ihr Modell eine Klasse vorhergesagt hat, die nicht vorhanden war. Sie sehen genau, welche Labels Fehlalarme auslösen.

FN COUNTS

False Negative Summen

Die KI markiert alle Fälle, in denen das Modell ein Ziel übersehen hat. Das zeigt Ihnen, welche Kategorien systematisch ignoriert werden.

CLASS BIAS

Klassen-Ungleichgewicht erkennen

Durch den Vergleich der Fehlerzahlen über alle Labels hinweg zeigt die KI, ob Ihr Modell zu bestimmten Ergebnissen neigt. Sie sehen, welche Klassen bei Fehlern über- oder unterrepräsentiert sind.

HUMAN REVIEW

Manuelle Fehlerprüfung

Die KI isoliert die spezifischen Datenzeilen, die zu den Fehlern geführt haben. Diese Beispiele können Sie nutzen, um die Ursachen des Modellfehlers manuell zu prüfen.

Der Ablauf

Was Ihre KI tut, sobald die Daten vorliegen.

Die KI wandelt einfache Vorhersage-Listen in eine strukturierte Fehleranalyse um.

  1. Vorhersagen einlesen

    Ihre KI liest die bereitgestellten Protokolle oder Tabellen ein, um Ist-Werte mit den vorhergesagten Werten abzugleichen.

    calculate_confusion_matrix

  2. Fehlerzahlen berechnen

    Die KI führt die Berechnungen durch, um Treffer von Fehlalarmen und Auslassungen zu trennen.

    calculate_confusion_matrix

  3. Fehler kategorisieren

    Die KI gruppiert die Fehler nach Klassen, damit Sie sehen, ob ein bestimmtes Label für den Großteil des Rauschens verantwortlich ist.

    calculate_confusion_matrix

  4. Problematische Zeilen isolieren

    Die KI identifiziert die exakten Datenpunkte, die zu einer Abweichung geführt haben, damit Sie diese prüfen können.

    calculate_confusion_matrix

Probieren Sie es

Kopieren Sie diese Befehle zum Start.

Nutzen Sie diese Prompts, um die Analyse sofort auszulösen.

Startpunkte

Ersetzen Sie den Text in Klammern durch Ihre tatsächlichen Dateinamen oder Datenquellen.

Native V8 Connector

Alles bereit. Wählen Sie Ihren MCP-Client und folgen Sie den Einrichtungsschritten.

Connector-Linkhttps://edge.vinkius.com/vk_preview_lcKPfQMdEs9vOL0QvMD7tp5xcmCCFVUKYwiOuwlI/mcp

Claude Desktop

Folgen Sie den Schritten unten, um sich in Sekunden zu verbinden.

  1. 1In Claude Desktop, open Settings → Connectors.
  2. 2Click “Add custom connector” and paste the connector link above as the remote MCP server URL.
  3. 3Click Add and start a new chat — Native V8 capabilities are ready to use.
Konfiguration · claude_desktop_config.jsonKopieren
{
  "mcpServers": {
    "confusion-matrix-engine-mcp": {
      "url": "https://edge.vinkius.com/vk_preview_lcKPfQMdEs9vOL0QvMD7tp5xcmCCFVUKYwiOuwlI/mcp"
    }
  }
}
In den Chat kopieren04

  • Berechne die Confusion Matrix für die Datei prediction_results.csv.

  • Zeige mir die False Positive Counts für die Klasse 'spam' in meinem Modell-Output-Sheet.

  • Analysiere die Fehlerraten in den aktuellen test_logs.json und sag mir, welche Klasse die meisten False Negatives hat.

  • Finde die spezifischen Zeilen in meinem Datensatz, in denen das Modell 'cat' vorhergesagt hat, aber das tatsächliche Label 'dog' war.

  • Claude
  • ChatGPT
  • Cursor
  • VS Code
  • Windsurf
  • Claude Code
  • JetBrains
  • Cline

Starten Sie hier

Einmalig die Confusion Matrix Engine verbinden und loslegen.

Verknüpfen Sie den MCP einfach mit Ihrem Client. Ihre Zugangsdaten bleiben verschlüsselt und Sie können sofort Fragen zu Ihren Daten stellen.

Confusion Matrix Engine mit Ihrer KI verbinden

FAQ

Verhalten und Funktionen.

  • 01

    Kann die KI die Modellfehler für mich korrigieren?

    Nein. Die KI identifiziert und zählt die Fehler nur. Das Nachtrainieren oder Anpassen Ihres Modells müssen Sie selbst übernehmen.

  • 02

    Verändert die KI meine ursprünglichen Vorhersagedaten?

    Nein. Die KI liest Ihre Daten nur aus, um Berechnungen durchzuführen. Sie verändert niemals Ihre Quelldateien oder Datenbanken.

  • 03

    Kann ich dies mit jedem Vorhersageformat nutzen?

    Die KI arbeitet mit jedem Datenformat, das Ihr Client lesen und an das Tool übergeben kann, wie zum Beispiel CSV oder JSON.

  • 04

    Wird die KI meine Fehlerprotokolle löschen?

    Nein. Dieser MCP hat keine Berechtigung, Ihre Daten zu löschen oder zu überschreiben.

  • 05

    Berechnet sie auch Precision und Recall?

    Ja, da diese Metriken direkt aus denselben Werten der Confusion Matrix abgeleitet werden, die die KI berechnet.

  • Weitere Fragen zur Confusion Matrix Engine? Die Connector-Seite liefert Antworten. Alle Funktionen des Confusion Matrix Engine Connectors ansehen

Verbinde Native V8 mit Claude, Cursor, ChatGPT & mehr