# Évaluer la performance de votre arbre de décision

Cette section explique comment évaluer les résultats de votre arbre de décision.

Ci-dessous se trouve une matrice de confusion utilisant les données de votre Job de test.

![](https://help.qlik.com/talend/fr-FR/components/8.0/Resources/images/developing_a_machine_learning_routine_with_talend_and_spark_32.png)

Le modèle essaye de prédire (conversion = non) true ou false.

* TN = 15
* TP = 446
* FN = 12
* FP = 41
* Exactitude = (TP+TN)/Total = (15+446)/(446+15+12+41) = .90
* Sensibilité = TP/(TP+FN) = (446)/(446+12) = .97
* Spécificité = TN/(TN+FP) = (15)/(15+41) = .27

Lorsque vous avez testé le modèle d'arbre :

* Les prédictions étaient correctes 90 % du temps (précision)
* Il a prédit de manière précise 97 % des personnes qui ne sont pas passées par une conversion (sensibilité)
* Il a prédit de manière précise 27 % des personnes qui sont passées par une conversion (spécificité)