我们假设某计算机学院有这么一个班级，班上有40人，全是男程序员。大一的时候大家全都是单身。他们的辅导员在班会上做了这么一个预测，“到了大二，班上的张三，李四，老王等5位同学会有女朋友！ 剩下的狗剩，二蛋，大头等35个同学，可能还要再等几年。”
好的，这个时候我们可以把这位辅导员的预测写成下面这张表：
到了大二，大家把这张表拿出来一核对，在被预计有女朋友的人里，发现除了老王，其他人还真的有了女朋友；在预计没有女朋友的人里，发现狗剩跟二蛋因为代码写得好，竟然也有了女朋友。
这个时候，我们上面的表加工一下，可以得到下面这张表：
稍微解释一下上面这张表。
左上角的数据1表示“被辅导员预计有女朋友，并且实际上也有了女朋友的人数”，一共有4位。在数据分析中，我们一般把这部分的数据叫做真阳性（True Positive，简称TP），也就是预计为真，实际上也为真的数据。在数据分析里，我们常常把预计会发生的事件叫做阳，而把预计不会发生的事件叫做阴。
右上角的数据2表示“被辅导员预计有女朋友，但是实际上并没有的人数”，也就是老王一个人。在数据分析中，我们把这部分的数据叫做假阳性（False Positive, 简称FP）,也就是预计为真，但实际上为假的数据。
左下角的数据3表示“被辅导员预计没有女朋友，但实际上找到了女朋友的人数”，这里有狗剩和二蛋两个人。在数据分析中，我们把这部分的数据叫做假阴性(False Negative, 简称FN), 也就是预计为假，但实际上为真的数据。
右下角的数据4表示“被辅导员预计没有女朋友，实际上也确实没有女朋友的人数”，这里有大头等33个人。在数据分析中，我们把这部分的数据叫做真阴性（True Negative, 简称TN），也就是预计为假，实际上也为假的数据。
我们可以把上面提到的表格简化成下面这个样子：
我们再做进一步地简化，把它写成矩阵的样子：
你看，这个能表示预测值和真实值之间的差距的矩阵，就是我们想要的混淆矩阵了。
链接：https://www.zhihu.com/question/36883196/answer/557746605
来源：知乎