La matrice de confusion, aussi appelée tableau de contingence, permet de mesurer la qualité d’une classification effectuée sur un jeu de données de test. Elle permet ainsi de comparer les résultats attendus et les résultats obtenus et de distinguer :

• les vrais positifs.
• les vrais négatifs.
• les faux positifs.
• les faux négatifs.

Affichée sous forme de tableau, cette matrice permet de représenter de façon très facilement intelligibles ces différentes métriques. C’est pourquoi elle est très utilisée en statistiques tout comme en machine learning.