混淆矩陣(Confusion Matrix)是一種用於評估分類模型性能的表格形式，它展示了模型在不同類別上的預測結果與實際標籤之間的對應關係。
在機器學習、統計學和模式識別等領域，混淆矩陣被廣泛用於評估分類模型的準確性、召回率、精確率等指標。混淆矩陣通常是一箇N×N的矩陣，其中N代表類別的數量。在二元分類問題中，N等於2；對於多類別分類問題，矩陣的每個單元格表示模型對某一特定類別的預測結果，包括真正例（實際爲正且預測爲正）、假正例（實際爲負但預測爲正）、真負例（實際爲負且預測爲負）和假負例（實際爲正但預測爲負）的數量。通過混淆矩陣，可以直觀地看到模型在各個類別上的表現，以及總體上的錯誤模式，例如，某個模型可能會錯誤地將某些類別的樣本歸爲其他類別。