混淆矩阵也称误差矩阵，是表示
精度评价的一种标准格式，用n行n列的矩阵形式来表示。具体
评价指标有总体精度、
制图精度、
用户精度等，这些精度指标从不同的侧面反映了
图像分类的精度。在人工智能中，混淆矩阵（confusion matrix）是
可视化工具，特别用于
监督学习，在
无监督学习一般叫做匹配矩阵。在图像精度评价中，主要用于比较分类结果和实际测得值，可以把分类结果的精度显示在一个混淆矩阵里面。混淆矩阵是通过将每个实测
像元的位置和分类与分类图像中的相应位置和分类相比较计算的。
混淆矩阵的每一列代表了预测类别，每一列的总数表示预测为该类别的数据的数目；每一行代表了数据的真实归属类别，每一行的数据总数表示该类别的数据实例的数目。每一列中的数值表示真实数据被预测为该类的数目：第一行第一列中的43表示有43个实际归属第一类的实例被预测为第一类，同理，第一行第二列的2表示有2个实际归属为第一类的实例被
错误预测为第二类。
如有150个
样本数据，预测为1,2,3类各为50个。分类结束后得到的混淆矩阵为：