يكي از معيارهاي ارزيابي هر دسته بندي كننده ماتريس confusion مي باشد. اين ماتريس يك ماتريس مربعي N در N مي باشد.
كه N همان تعداد كلاسهاي ما در دسته بندي كننده مي باشد.
مثلا فرض كنيد ما مي خواهيم دو كلاس مثبت و منفي را دسته بندي كنيم. پس N =2 مي باشد.
در هر كار دسته بندي ما تعدادي نمونه داريم كه قرار است آنها را به دسته بندي كننده بدهيم و او براي ما اينها را دسته بندي كند كه كدام براي كلاس مثبت و كدام براي كلاس منفي است.
فرض كنيد تعداد نمونه ها 165 مي باشد. كه 60 نمونه براي كلاس منفي و 105 نمونه براي كلاس مثبت مي باشد. ماتريس در هم ريختگي به صورت زير بدست آمده است :
ماتريس بالا نشان مي دهد كه ما در كلاس منفي 60 نمونه داشتيم و در كلاس مثبت 105 نمونه داشتيم. چون مجموع ناصر روي سطر 1 برابر 60 و مجموع عناصر روي سطر دوم برابر 105 مي باشد. البته گاهي ممكن است ماتريس لازم باشد ترانزپوس شود و مجموع ستونها برابر تعداد نمونه هاي هر كلاس باشد.
دسته بندي كننده ما از 60 نمونه در كلاس منفي تعداد 50 نمونه را درست جواب داده است و 10 نمونه را به اشتباه كلاس مثبت گرفته است.
همينطور دسته بندي كننده ما از 105 نمونه در كلاس مثبت تعداد 100 نمونه را درست جواب داده است و 5 نمونه را به اشتباه كلاس منفي گرفته است.
پس عناصر روي قطر اصلي نمونه هاي درست را نشان مي دهند و مجموع آنها برابر تعداد كل نمونه هاي درست مي شود.
براي بدست آوردن راندمان performance يك دسته بندي كننده كافي است مجموع عناصر قطر اصلي را بر مجموع كل عناصر ماتريس تقسيم كنيم.