Na classificação supervisionada de imagens de satélite, a análise da matriz de confusão é essencial para avaliar o desempenho do classificador. Considere um projeto de monitoramento ambiental cujo objetivo principal é a emissão automática de alertas de incêndio. Nesse cenário, o custo ambiental de não detectar um incêndio (Falso Negativo) é considerado muito mais crítico do que o custo operacional de verificar um alarme falso (Falso Positivo).
Considerando as métricas de Precisão, Recall (Sensibilidade) e Acurácia, para otimizar o classificador de modo que ele minimize falsos negativos, o analista deve priorizar: