混淆矩阵详解：从二分类到多分类的模型评估与Python实现

混淆矩阵是机器学习、分类模型评估和人工智能中非常常见的一个术语。它用来描述：分类模型把各类样本分别预测成了什么类别。换句话说，混淆矩阵是在回答：模型到底哪些样本分对了，哪些样本分错了，又分别错成了哪一类。

如果说准确率回答的是“模型总体上有多少预测是对的”，那么混淆矩阵回答得更细：每一类样本分别被模型如何判断。因此，混淆矩阵常用于分类模型评估、错误分析、精确率、召回率、F1 值计算以及分类任务的模型诊断，在人工智能中具有重要基础意义。

一、基本概念：什么是混淆矩阵

混淆矩阵（Confusion Matrix）是一种用于评价分类模型预测结果的表格。

它把真实类别和预测类别放在同一个矩阵中进行对照，从而显示模型在不同类别上的分类情况。

对于二分类任务，混淆矩阵通常包含四个基本结果：
• 真正例（True Positive，TP）
• 假正例（False Positive，FP）
• 真负例（True Negative，TN）
• 假负例（False Negative，FN）

其中：
• TN 表示真实为负类，模型也预测为负类
• FP 表示真实为负类，但模型预测为正类
• FN 表示真实为正类，但模型预测为负类
• TP 表示真实为正类，模型也预测为正类

从通俗角度看，混淆矩阵可以理解为：一张分类模型的“错题统计表”。

它不只是告诉我们模型错了多少，还会告诉我们：
• 哪些类别容易被分对
• 哪些类别容易被分错
• 错误主要错在哪里
• 哪些类别之间容易混淆

这也是“混淆矩阵”这个名称的来源。

二、为什么需要混淆矩阵

混淆矩阵之所以重要，是因为单独看准确率往往不够。

例如，一个疾病检测模型在 1000 个样本中预测对了 950 个，准确率为 95%。看起来效果很好。但如果进一步检查发现：大多数健康样本都判断对了，但很多真正患病样本却被判断成健康。

那么这个模型在实际医疗场景中可能并不可靠。

这时，混淆矩阵就非常有价值。它可以显示：
• 患病样本有多少被正确识别
• 患病样本有多少被漏掉
• 健康样本有多少被误判为患病
• 健康样本有多少被正确排除

从通俗角度看，准确率像总分，混淆矩阵像详细错题本。

只看总分，我们只知道模型整体表现；看混淆矩阵，我们才知道模型到底错在什么地方。

因此，混淆矩阵的核心作用是：把分类结果拆开来看，帮助我们理解模型错误的结构。

三、混淆矩阵的重要性与常见应用场景

1、混淆矩阵的重要性

混淆矩阵之所以重要，是因为它能提供比单一指标更细致的分类评估信息。

首先，它能帮助我们分析错误类型。在分类任务中，错误不只是“错了”这么简单。把猫预测成狗，和把猫预测成汽车，错误性质可能不同。混淆矩阵可以显示错误具体发生在哪些类别之间。

其次，它是许多评价指标的基础。精确率、召回率、F1 值、特异度等指标都可以从混淆矩阵中的 TP、FP、TN、FN 推导出来。

再次，它特别适合类别不平衡任务。当某些类别样本特别多、某些类别样本特别少时，准确率可能产生误导，而混淆矩阵能更清楚地显示少数类是否被模型忽略。

可以概括地说：
• 准确率看总体对错
• 混淆矩阵看各类对错
错误分析要从混淆矩阵开始。

2、常见应用场景

（1）在二分类任务中，混淆矩阵用于分析正类和负类的预测情况，例如垃圾邮件识别、疾病筛查、欺诈检测等。

（2）在多分类任务中，混淆矩阵用于分析类别之间的混淆关系，例如手写数字识别、图像分类、文本主题分类等。

（3）在类别不平衡任务中，混淆矩阵用于检查模型是否只偏向多数类，例如异常检测、罕见病识别、风险预警等。

（4）在模型调参中，混淆矩阵可用于观察模型改进是否真正改善了关键类别。

（5）在错误分析中，混淆矩阵可以帮助找出最容易混淆的类别对。

四、二分类混淆矩阵的四个核心结果

二分类混淆矩阵最重要的是理解 TP、FP、TN、FN。

假设任务是判断一封邮件是否为垃圾邮件：
• 正类：垃圾邮件
• 负类：正常邮件

真正例（True Positive，TP）表示：真实为正类，模型也预测为正类。

在垃圾邮件识别中，就是：真实是垃圾邮件，模型也判断为垃圾邮件。这是模型正确识别正类的情况。

假正例（False Positive，FP）表示：真实为负类，但模型预测为正类。

在垃圾邮件识别中，就是：真实是正常邮件，模型误判为垃圾邮件。这也叫误报。从通俗角度看，FP 是：本来不是，模型却说是。

真负例（True Negative，TN）表示：真实为负类，模型也预测为负类。

在垃圾邮件识别中，就是：真实是正常邮件，模型也判断为正常邮件。这是模型正确识别负类的情况。

假负例（False Negative，FN）表示：真实为正类，但模型预测为负类。

在垃圾邮件识别中，就是：真实是垃圾邮件，模型误判为正常邮件。这也叫漏报。从通俗角度看，FN 是：本来是，模型却说不是。

五、如何直观理解 TP、FP、TN、FN

TP、FP、TN、FN 容易混淆，可以用两个问题来判断。

第一个问题：模型预测的是正类还是负类？
• 预测为正类，就看 Positive
• 预测为负类，就看 Negative

第二个问题：模型预测对了还是错了？
• 预测对了，就看 True
• 预测错了，就看 False

因此：
• TP：预测为正类，并且预测对了
• FP：预测为正类，但预测错了
• TN：预测为负类，并且预测对了
• FN：预测为负类，但预测错了

从通俗角度看，可以这样记：
• T 表示“模型判断对了”
• F 表示“模型判断错了”
• P 表示“模型说是正类”
• N 表示“模型说是负类”

所以：
• TP：模型说是正类，说对了
• FP：模型说是正类，说错了
• TN：模型说是负类，说对了
• FN：模型说是负类，说错了

这比直接背英文名称更容易理解。

六、混淆矩阵与准确率的关系

准确率（Accuracy）可以由混淆矩阵计算出来。它表示所有样本中，模型预测正确的比例。

对于二分类任务，准确率可以写为：

其中：
• TP + TN 表示预测正确的样本数
• TP + TN + FP + FN 表示全部样本数

从通俗角度看，准确率就是：所有题目中做对了多少题。

但准确率有一个问题：它不能告诉我们模型具体错在哪里。比如模型错在漏掉正类，还是错在误报太多；是某一类特别差，还是各类都差不多。这些信息准确率都不能单独说明。

因此，准确率适合做总体概览，而混淆矩阵适合做细节分析。

七、混淆矩阵与精确率、召回率、F1 值的关系

混淆矩阵是许多分类指标的基础。

1、精确率

精确率（Precision）表示：模型预测为正类的样本中，有多少是真的正类。

从通俗角度看，精确率回答的是：模型说“是”的时候，有多少次说对了。

2、召回率

召回率（Recall）表示：所有真实正类样本中，有多少被模型找出来了。

从通俗角度看，召回率回答的是：真正应该找出来的正类，模型找出了多少。

3、F1 值

F1 值是精确率和召回率的调和平均：

F1 值用于综合衡量精确率和召回率。

从通俗角度看：
• 精确率关心“别乱报”
• 召回率关心“别漏掉”
• F1 值关心二者之间的平衡

因此，混淆矩阵不仅是一张表，也是很多评价指标的来源。

八、混淆矩阵在多分类任务中的形式

混淆矩阵不仅适用于二分类，也适用于多分类。

假设有三个类别：猫、狗、兔子，那么混淆矩阵可以是一个 3 × 3 矩阵。通常可以理解为：
• 行表示真实类别
• 列表示预测类别

例如：
• 第一行表示真实为“猫”的样本被预测成各类的情况
• 第二行表示真实为“狗”的样本被预测成各类的情况
• 第三行表示真实为“兔子”的样本被预测成各类的情况

矩阵对角线上的数字表示预测正确的数量，非对角线上的数字表示预测错误的数量。例如第一行第二列的 3 表示：真实是猫，但被模型预测成狗的样本有 3 个。

从通俗角度看，多分类混淆矩阵可以帮助我们发现：
• 猫容易被错分成狗
• 狗是否容易被错分成兔子
• 哪个类别识别最好
• 哪些类别之间最容易混淆

九、如何阅读混淆矩阵

阅读混淆矩阵时，可以从几个角度入手。

1、先看对角线

对角线表示预测正确的样本数。如果对角线上的数值普遍较大，说明模型整体分类效果较好。

2、再看非对角线

非对角线表示分类错误。如果某个非对角线位置数值很大，说明模型经常把一个类别误判成另一个类别。例如，在手写数字识别中，真实为 8 却经常预测成 3，真实为 5 却经常预测成 6。这说明这些类别在特征上可能较相似，模型容易混淆。

3、按行看召回情况

如果行表示真实类别，那么某一行显示的是某个真实类别被预测成各类的分布。这一行中，对角线数值越高，表示该类别召回越好。

4、按列看精确情况

如果列表示预测类别，那么某一列显示的是被预测为某类别的样本实际来自哪些真实类别。这一列中，对角线数值越高，表示该预测类别的精确率越好。

从通俗角度看：
• 按行看：某个真实类别有没有被找出来
• 按列看：模型预测成某类时是否靠谱

十、混淆矩阵与类别不平衡问题

混淆矩阵在类别不平衡任务中尤其重要。

所谓类别不平衡，是指不同类别的样本数量差异很大。例如，在欺诈检测中，正常交易可能有 9900 条，欺诈交易可能只有 100 条。

如果模型把所有交易都预测为正常，那么总共预测对 9900 条，准确率为 99%，看起来非常高。但这个模型实际上完全没有识别出欺诈交易。

此时混淆矩阵会显示：TN 很大，FN 很大，TP 可能为 0。也就是说，模型虽然准确率高，但对真正重要的少数类完全失效。

从通俗角度看：类别不平衡时，准确率可能很好看，但混淆矩阵会揭示模型是否真的识别了关键类别。

因此，在不平衡分类中，不能只看准确率，还应结合混淆矩阵、精确率、召回率、F1 值、ROC 曲线、AUC、PR 曲线等指标综合分析。

十一、使用混淆矩阵时需要注意的问题

1、要明确正类和负类

在二分类任务中，TP、FP、TN、FN 的含义取决于哪个类别被定义为正类。例如，在疾病检测中，通常把“患病”定义为正类；在垃圾邮件识别中，通常把“垃圾邮件”定义为正类。正类定义不同，TP 和 TN 的解释也会变化。

2、要明确矩阵行列含义

不同工具可能默认行表示真实类别、列表示预测类别，或行表示预测类别、列表示真实类别。阅读时必须先确认行列定义，否则容易解释反。

3、混淆矩阵显示数量，不一定直接显示比例

如果不同类别样本数量差异很大，直接看数量可能不直观。这时可以使用归一化混淆矩阵，把每一行或每一列转换成比例。

4、混淆矩阵本身不是单一分数

它是一张结构化结果表，不像准确率、F1 值那样是一个数字。它更适合分析错误结构，而不是简单排序模型。

5、多分类混淆矩阵可能较大

如果类别很多，混淆矩阵会变得很大。此时通常重点观察对角线表现、高频混淆类别、关键类别召回率和少数类错误情况。

十二、Python 示例

下面给出三个简单示例，用来帮助理解混淆矩阵的计算和使用。

示例 1：手动计算二分类混淆矩阵

# 真实标签（1表示正类，0表示负类）
y_true = [1, 0, 1, 1, 0, 0, 1, 0]

# 模型预测标签
y_pred = [1, 0, 1, 0, 0, 1, 1, 0]

# 初始化混淆矩阵的四个分量
TP = 0  # True Positive: 实际为正，预测为正
FP = 0  # False Positive: 实际为负，预测为正
TN = 0  # True Negative: 实际为负，预测为负
FN = 0  # False Negative: 实际为正，预测为负

# 逐对比较真实标签和预测标签，统计各类数量
for true, pred in zip(y_true, y_pred):
    if true == 1 and pred == 1:
        TP += 1
    elif true == 0 and pred == 1:
        FP += 1
    elif true == 0 and pred == 0:
        TN += 1
    elif true == 1 and pred == 0:
        FN += 1

# 输出各分量值
print("TP =", TP)
print("FP =", FP)
print("TN =", TN)
print("FN =", FN)

# 输出混淆矩阵（格式：第一行[TN, FP]，第二行[FN, TP]）
print("混淆矩阵：")
print([[TN, FP],
       [FN, TP]])

这个例子中，1 表示正类，0 表示负类。通过这个例子可以直观看到每类预测结果的数量。

示例 2：使用 Scikit-learn 计算混淆矩阵

from sklearn.metrics import confusion_matrix, classification_report

# 真实标签（多分类问题：类别0、1、2）
y_true = [0, 1, 2, 2, 0, 1, 1, 2, 0, 2]

# 模型预测标签
y_pred = [0, 1, 1, 2, 0, 0, 1, 2, 2, 2]

# 计算混淆矩阵（行=真实，列=预测）
cm = confusion_matrix(y_true, y_pred)

print("混淆矩阵：")
print(cm)

# 输出分类报告：包含精确率、召回率、F1分数等指标
print("分类报告：")
print(classification_report(y_true, y_pred))

这个例子中，confusion_matrix() 会生成多分类混淆矩阵，classification_report() 会进一步给出每个类别的精确率、召回率、F1 值和支持样本数。这有助于结合混淆矩阵进行更完整的模型评估。

示例 3：可视化混淆矩阵

在实际分析中，混淆矩阵通常会绘制成热力图，方便观察哪些类别容易混淆。

import matplotlib.pyplot as plt
from sklearn.metrics import ConfusionMatrixDisplay, confusion_matrix

# 根据操作系统选择中文字体（二选一，取消注释对应行）
plt.rcParams["font.sans-serif"] = ["Microsoft YaHei"]  # Windows
# plt.rcParams["font.sans-serif"] = ["Songti SC"]    # macOS
plt.rcParams["axes.unicode_minus"] = False  # 解决负号显示为方块的问题

# 真实标签与预测标签
y_true = [0, 1, 2, 2, 0, 1, 1, 2, 0, 2]
y_pred = [0, 1, 1, 2, 0, 0, 1, 2, 2, 2]

# 类别名称
labels = ["类别0", "类别1", "类别2"]

# 计算混淆矩阵
cm = confusion_matrix(y_true, y_pred)

# 绘制混淆矩阵
disp = ConfusionMatrixDisplay(confusion_matrix=cm, display_labels=labels)
disp.plot()

plt.title("混淆矩阵")
plt.show()

输出示意图：

可视化混淆矩阵时，颜色越深通常表示该位置样本数越多。对角线颜色越明显，通常说明分类正确样本越多；非对角线颜色明显，则说明对应类别之间混淆较严重。

📘 小结

混淆矩阵是一种用于分析分类模型预测结果的表格。它通过对照真实类别和预测类别，展示模型分对了哪些样本、分错了哪些样本，以及具体错成了哪一类。在二分类中，混淆矩阵包含 TP、FP、TN、FN 四类结果；在多分类中，它可以显示不同类别之间的混淆关系。对初学者而言，可以把混淆矩阵理解为分类模型的“错题统计表”：准确率告诉我们总体对错，混淆矩阵告诉我们到底错在哪里。在云栈社区，你可以找到更多关于模型评估与调试的实战经验分享。