Uma matriz de contingência ou matriz de confusão para um algoritmo de classificação binária fornece uma compreensão mais precisa do desempenho. Cada eixo representa uma classe predita, uma classe original, resultados positivos ou negativos. Sempre que necessário, adicione linhas às colunas para criar a matriz. A taxa de verdadeiros positivos é a porcentagem de resultados de classificação de objetos positivos que são precisos. Por outro lado, a taxa de falsos positivos é a porcentagem de resultados de classificação de objetos negativos que são precisos.

Em um determinado banco de dados, há 2000 e-mails para serem classificados entre normal e spam, assim que executou o algoritmo de classificação, retornou em uma matriz de confusão, sendo os dados VP = 250, VN = 1550, FN= 170 e FP = 30, o valor da taxa de verdadeiros positivos e da taxa de falsos positivos será:

a. TVP = 0,585 e TFP = 0,118.
b. TVP = 0,650 e TFP = 0,010.
c. TVP = 0,500 e TFP = 0,028.
d. TVP = 0,695 e TFP = 0,038.
e. TVP = 0,595 e TFP = 0,018.