Table 6. Confusion Matrix on machine learning model forecasts 단위 : 품목
| 기 존 | 예측 | 계 |
| 발생 | 미발생 |
| 실제 | 발생 | ①810 | 262 | 1,072 |
| 미발생 | 230 | ②595 | 825 |
| 계 | 1,040 | 857 | ③1,405 |
| k-NN | 예측 | 계 |
| 발생 | 미발생 |
| 실제 | 발생 | 882 | 188 | 1,070 |
| 미발생 | 128 | 692 | 820 |
| 계 | 1,010 | 880 | 1,574 |
| LDA | 예측 | 계 |
| 발생 | 미발생 |
| 실제 | 발생 | 758 | 312 | 1,070 |
| 미발생 | 159 | 661 | 820 |
| 계 | 917 | 973 | 1,419 |
| DT | 예측 | 계 |
| 발생 | 미발생 |
| 실제 | 발생 | 800 | 270 | 1,070 |
| 미발생 | 151 | 669 | 820 |
| 계 | 951 | 939 | 1,469 |
| SVM | 예측 | 계 |
| 발생 | 미발생 |
| 실제 | 발생 | 812 | 258 | 1,070 |
| 미발생 | 181 | 639 | 820 |
| 계 | 993 | 897 | 1,454 |
| LR | 예측 | 계 |
| 발생 | 미발생 |
| 실제 | 발생 | 768 | 302 | 1,070 |
| 미발생 | 143 | 677 | 820 |
| 계 | 911 | 979 | 1,445 |
주 : 계③는 ① + ②임, 810+595 = 1,405