在分类模型下，预测结果与正确标记之间存在四种不同的组合，以矩阵形式将数据集中的记录按照真实的类别与分类模型作出的分类判断进行汇总就构成了混淆矩阵（适用于多分类）
| 正例 | 假例 | |
|---|---|---|
| 正例 | 真正例TP | 伪反例FN |
| 假例 | 伪正例FP | 真反例TN |
作用
用于观察模型在各个类别上的表现，可以计算模型对应各个类别的准确率、准确率、召回率：
-
准确率（Accuracy = （TP +TN）/（TP + FP + TN + FN））: 在所有样本中，预测为真的比例
-
精确率（Precision = TP /（TP + FP））：预测结果为正例样本中真实为正例的比例（查得准）
-
召回率（Recall = TP /（TP + FN））：真实为正例的样本中预测结果为正例的比例（查得全，对正样本的区分能力）
