La matrice de confusion croise les classes réelles et prédites. Pour un problème binaire, elle compte les vrais positifs, faux positifs, vrais négatifs et faux négatifs. Toutes les métriques de classification (précision, rappel, exactitude) s'en déduisent ; elle montre quels types d'erreurs commet le modèle.
Exemple
confusion_matrix(y_test, pred)