Konfusionsmatrizen werden in der Untersuchung möglicher Schwächen von Klassifikationsverfahren verwendet. Für ein Verfahren, das eine Anzahl von N Klassen unterscheiden soll, hat die Konfusionsmatrix eine Größe von N × N. Der Zahlenwert an einem Eintrag (i, j) gibt an, wie oft das Verfahren eine Instanz der Klasse i als eine Instanz der Klasse j klassifiziert hat. Ein ideales Verfahren erreicht hier eine perfekte Diagonalmatrix. Einträge abseits der Diagonalen hingegen (also Fälle in denen für i≠j der Eintrag nicht Null ist) deuten auf Verwechslungsgefahren zwischen den Klassen i und j hin und quantifizieren deren Auftretenswahrscheinlichkeit.
Siehe auch:ISO/IEC TR 29119-11:2020 table used to describe the performance of a classifier (3.1.21) on a set of test data (3.1.75) for which the true and false values are known
ISTQB - CTAI Syllabus A technique for summarizing the ML functional performance of a classification algorithm