混淆矩阵也称误差矩阵，是表示精度评价的一种标准格式，用n行n列的矩阵形式来表示。具体评价指标有总体精度、制图精度、用户精度等，这些精度指标从不同的侧面反映了图像分类的精度。在人工智能中，混淆矩阵是可视化工具，特别用于监督学习，在无监督学习一般叫做匹配矩阵。在图像精度评价中，主要用于比较分类结果和实际测得值，可以把分类结果的精度显示在一个混淆矩阵里面。混淆矩阵是通过将每个实测像元的位置和分类与分类图像中的相应位置和分类相比较计算的。混淆矩阵的每一列代表了预测类别，每一列的总数表示预测为该类别的数据的数目;每一行代表了数据的真实归属类别，每一行的数据总数表示该类别的数据实例的数目。每一列中的数值表示真实数据被预测为该类的数目：第一行第一列中的43表示有43个实际归属第一类的实例被预测为第一类，同理，第一行第二列的2表示有2个实际归属为第一类的实例被错误预测为第二类。
证明正定矩阵的方法是什么?
证明正定矩阵的方法有：求出A的所有特征值。若A的特征值均为正数，则A是正定的;若A的特征值均为负数，则A为负定的。计算A的各阶主子式。若A的各阶主子式均大于零，则A是正定的;若A的各阶主子式中，奇数阶主子式为负，偶数阶为正，则A为负定的等两种方法。半正定矩阵的行列式是非负的;两个半正定矩阵的和是半正定的;非负实数与半正定矩阵的数乘矩阵是半正定的。设A是实对称矩阵。如果对任意的实非零列向量x有xTAx≥0x有xTAx≥0，就称A为半正定矩阵。
