混淆矩阵是？

混淆矩阵（Confusion Matrix）是一种常用的分类模型评估工具，它展示了一个分类器在对数据进行分类时的性能表现。混淆矩阵是一个二维表格，其中行表示实际的类别，列表示预测的类别。

一个混淆矩阵包含了四种分类结果：

真正例（True Positive，TP）：表示实际为正例的样本被正确预测为正例的数量。

假负例（False Negative，FN）：表示实际为正例的样本被错误地预测为负例的数量。

假正例（False Positive，FP）：表示实际为负例的样本被错误地预测为正例的数量。

真负例（True Negative，TN）：表示实际为负例的样本被正确预测为负例的数量。

下面是一个2x2的混淆矩阵示例：

	预测为正例	预测为负例
实际为正例	TP	FN
实际为负例	FP	TN

混淆矩阵可以被用来计算多种分类模型的性能指标，比如准确率（Accuracy）、召回率（Recall）、精确率（Precision）、F1值（F1-score）等。这些指标可以根据混淆矩阵中的真正例、假负例、假正例、真负例的数量计算得出。

初识混淆矩阵