内容
问：
为什么混淆矩阵在ML中有用？
A：
有很多方法可以讨论混淆矩阵为何在机器学习（ML）中很有价值-但是最简单的方法之一就是解释混淆矩阵是数据可视化资源。
混淆矩阵使观看者一眼就能看到使用分类器或其他算法的结果。通过使用一个简单的表来显示分析结果，混淆矩阵实质上会将您的输出分解为更易于理解的视图。
混淆矩阵使用特定的术语来排列结果。有真实肯定和真实否定，以及错误肯定和错误否定。对于更复杂的混淆矩阵或基于比较分类的混淆矩阵，这些值可能显示为两个不同对象的实际和预测类。
不论语义术语如何，结果都被分组为一个正方形（或矩形）表。
该视图使分析人员更容易看到算法对结果进行分类的准确性。 （请阅读新的发生器将现代算法应用于ASCII艺术。）
混淆矩阵的效用与ML项目的复杂性有关，也与信息格式化并传递给用户的方式有关。想象一串线性结果，包括假阳性，假阴性，真阳性和真阴性。 （阅读机器学习101。）
用户必须将所有这些线性结果制成表格，以了解算法的工作原理和准确性。使用混淆矩阵，可以在功能强大的视觉模型中轻松呈现此信息。
例如，假设要求机器对20个图像进行分类，其中五个是水果，五个是蔬菜。如果混淆矩阵包含以下内容（从左上角顺时针方向）：7、5、3、5，则矩阵显示正确识别出七种为蔬菜，而正确识别为三类。
如图所示，其他10个是程序无法正确识别图像的结果。
混淆矩阵将在各种ML分析中有用。通过观察该资源，用户可以弄清楚如何处理维数和过拟合之类的问题以及优化算法的其他方法。