混同行列（Confusion Matrix）とは、分類モデルの予測結果を真陽性（TP）、偽陽性（FP）、真陰性（TN）、偽陰性（FN）の4つのカテゴリに分類して表形式にまとめたものです。モデルの性能を多角的に評価するための基礎となります。
4つの要素
真陽性（TP）：正しく陽性と予測。偽陽性（FP）：誤って陽性と予測（第1種の過誤）。真陰性（TN）：正しく陰性と予測。偽陰性（FN）：誤って陰性と予測（第2種の過誤）。
| ひとことで言うと | 予測と実際の組み合わせを2×2の表にまとめた、分類評価の出発点。 |
|---|---|
| 4つのマス | 正しく陽性(TP)／誤って陽性(FP)／誤って陰性(FN)／正しく陰性(TN)。 |
| 注意点 | 精度だけ見ずに、まずこの表を見るのが鉄則。どこで間違えているかが分かる。 |
混同行列から算出される指標
精度（Accuracy）= (TP+TN)/(TP+FP+TN+FN)、適合率（Precision）= TP/(TP+FP)、再現率（Recall）= TP/(TP+FN)、F値 = 2×Precision×Recall/(Precision+Recall) など、様々な評価指標を算出できます。
1予測と実際を集計4つのマスに振り分け
▶
2適合率TP ÷ 陽性と予測した数
▶
3再現率TP ÷ 実際の陽性数
▶
4F値両者の調和平均
▶
5改善点が見える誤検知か見逃しか
多クラス分類での拡張
2クラスの場合は2×2の行列ですが、Kクラスの場合はK×Kの行列に拡張されます。対角成分が正しい予測、非対角成分が誤分類を表し、どのクラス間で混同が多いかを分析できます。