依分類模型的預測與實際正確答案的每種組合，計算資料筆數的表。在二元分類中為4格：將陽性正確判為陽性的真陽性（TP）、將陰性誤判為陽性的偽陽性（FP）、將陽性誤判為陰性的偽陰性（FN），以及將陰性正確判為陰性的真陰性（TN）。可由此計算準確率、精確率、召回率、F1分數等，也能看出哪些類別容易被誤認為哪些類別。
日文名稱: 混同行列
「混淆矩陣（Confusion matrix）」出現在1領域的1道練習題中（機器學習基礎等）。
這個名詞所屬的領域: 機器學習基礎
正確答案：C. 精確率0.90，召回率0.50
精確率（precision）是預測為陽性者中實際為陽性的比例，TP ÷ (TP + FP) = 45 ÷ 50 = 0.90。召回率（recall）是實際為陽性者中被預測為陽性的比例，TP ÷ (TP + FN) = 45 ÷ 90 = 0.50。這個模型判為陽性者幾乎都正確，但漏掉了一半的陽性。準確率為 (45 + 105) ÷ 200 = 0.75。
精確率與召回率（Precision and recall） 主成分分析（PCA） 正規化（Regularization） 交叉驗證（Cross-validation） 卷積神經網路（CNN） 非監督式學習（Unsupervised learning） 強化學習（Reinforcement learning） 啟動函數（Activation function） 梯度下降法（Gradient descent） 過擬合（Overfitting）