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）。
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。
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。