混淆矩陣(Confusion Matrix): 

  用於檢視分類型的預測結果,

   包括: 

     真正例(TP) :正確預測為正的數量。 

     假正例(FP):錯誤預預測為正的數量。(型Ⅰ錯誤)

     真負例(IN) :正確預預測為負的數量。 

     假負例(FN):錯誤預預測為負的數量。(型Ⅱ錯誤)

如果真相是「虛無假設是對的」，

實際上數據沒有特色，我們卻判斷數據具有特色，這就犯了型一錯誤 

如果真相是「虛無假設是錯的」，

實際上數據具有特色，我們卻判斷數據沒有特色，這則是型二錯誤