混淆矩阵（Confusion Matrix）

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地表真实信息，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地表真实像元的位置和分类与分类图象中的相应位置和分类像比较计算的。混淆矩阵的每一列代表了地面参考验证信息，每一列中的数值等于地表真实像元在分类图象中对应于相应类别的数量；混淆矩阵的每一行代表了遥感数据的分类信息，每一行中的数值等于遥感分类像元在地表真实像元相应类别中的数量。
　　如有150个样本数据，这些数据分成3类，每类50个。分类结束后得到的混淆矩阵为：

 

	类1	类2	类3
类1	43	5	2
类2	2	45	3
类3	0	1	49

 

　　每一行之和为50，表示50个样本，
　　第一行说明类1的50个样本有43个分类正确，5个错分为类2，2个错分为类3。