目的：评估分类器准确性
函数：sklearn.metrics.confusion_matrix(y_true, y_pred, labels=None, sample_weight=None)
输入：

• y_true:实际的目标结果
• y_pred:预测的结果
• labels: 标签，对结果中的string进行排序， 顺序对应0、1、2
• sample_weight:样本的权重？

输出：

• 一个矩阵，shape=[y中的类型数，y中的类型数]
• 矩阵中每个值表征分类的准确性
• 第0行第0列的数表示y_true中值为0，y_pred中值也为0的个数
• 第0行第1列的数表示y_true中值为0，y_pred中值为1的个数

示例：

>>> from sklearn.metrics import confusion_matrix
>>> y_true = [2, 0, 2, 2, 0, 1] 
>>> y_pred = [0, 0, 2, 2, 0, 2]
>>> confusion_matrix(y_true, y_pred)
 array([[2, 0, 0], [0, 0, 1], [1, 0, 2]])

>>> y_true = ["cat", "ant", "cat", "cat", "ant", "bird"] 
>>> y_pred = ["ant", "ant", "cat", "cat", "ant", "cat"]
>>> confusion_matrix(y_true, y_pred, labels=["ant", "bird", "cat"]) 
array([[2, 0, 0], [0, 0, 1], [1, 0, 2]])