Yerleşik bir kelime gömme algoritmasıyla bir metin sınıflandırıcı eğitiyorsunuz. Veri kümesi, şu örnek sayılarına sahip beş sınıfa sahiptir: A=300, B=292, C=240, D=258, E=310. Verileri karıştırıp %10'unu test için ayırıyorsunuz. Eğitimden sonra, eğitim ve test kümeleri için karışıklık matrisleri oluşturulur. Bu sonuçlardan hangi çıkarım yapılabilir?

Karışıklık matrisleri, modelin hangi sınıfları doğru tahmin ettiğini ve hangi sınıfları birbiriyle karıştırdığını gösterir. Eğer C ve D sınıfları arasında yüksek bir yanlış sınıflandırma oranı gözlemleniyorsa, bu, modelin bu iki sınıfı ayırt etmekte zorlandığını ve dolayısıyla bu sınıfların metinsel özelliklerinin birbirine çok benzediğini gösterir. Diğer seçenekler ise şunlardır: veri kümesi boyutu (yaklaşık 1400 örnek) holdout doğrulama için yeterlidir, sınıf dağılımı (300, 292, 240, 258, 310) oldukça dengelidir, ve aşırı öğrenme çıkarımı sadece karışıklık matrisinden yapılamaz; eğitim ve test performansının karşılaştırılması gerekir.