В чем разница между матрицей неточностей и таблицей непредвиденных обстоятельств?

Я пишу фрагмент кода для оценки моих Алгоритм кластеризации, и я обнаружил, что для любого метода оценки требуются базовые данные из матрицы m * n , например A = {aij} , где aij - это число точек данных, которые являются членами класса ci и элементами кластера kj .

Но в Introduction to Data Mining (Pang-Ning Tan et al.), Похоже, есть две матрицы этого типа: одна - это матрица неточностей, другая - это таблица непредвиденных обстоятельств. Я не совсем понимаю разницу между ними. Что лучше всего описывает матрицу, которую я хочу использовать?