首先，关于解释这些混淆矩阵：每行之和为 1，这意味着每个值都是条件概率p( predicted label | true label )，即给定真实标签成为特定预测标签的概率。示例：两个矩阵中左上角的单元格都是 0.01，这意味着当真实标签为 5 时，系统预测标签 1 的概率为 1%。

这两个混淆矩阵显示了两个不同系统的预测结果。这意味着一般来说，没有一种是正确的，另一种是错误的，只有两种不同的方法来预测可能导致不同类型错误的标签。

• 对角线显示真阳性情况，即预测标签与真实标签相同的情况（这很重要，因为这些是“正确”的情况）。概率显示对角线上的两个系统之间的差异非常小，标签 3 和 4 的顶部系统稍微好一点，标签 5 的底部系统稍微好一点。
• 一般来说，重要的是不要只看对角线，尤其是序数值，因为如果预测值远离真实值，那么它比接近它的错误更严重。示例：如果真实值为 4，则系统预测 3 比预测 1 更好（两者都是错误，但后者更糟）。然而，这两个系统之间的差异也很小，它们似乎具有非常相似的行为。

为了定量总结和比较两个系统的性能，混淆矩阵过于复杂。通常，人们会使用适当的评估措施，例如微观或宏观 f 分数（分类评估）或平均绝对误差（回归评估）。