混淆矩阵的作用：

１）用于观察模型在各个类别上的表现，可以计算模型对应各个类别的准确率，召回率；

２）通过混淆矩阵可以观察到类别直接哪些不容易区分，比如Ａ类别中有多少被分到了Ｂ类别，这样可以有针对性的设计特征等，使得类别更有区分性；
简单来说就是看看有多少错判的．

以上面图片为例：
上面是一个４分类的问题，类别分别为正常，色情，广告，违禁。以正常类别为例进行解释：
准确率：列相加，（ 92516 ＋ 467 ＋ 5650 ＋ 789 ）＝　99422, 其中　92516个样本被预测对了，因此准确率为：92516/99422= 0.930538513
召回率：行相加，模型一共召回了 （92516　＋　53＋　1676　＋　179 ）＝94424 个样本，模型认为一同有94424个样本是属性正常类别的，但是正确的只有92516个，因此召回率为：92516/94424= 0.979793273