决策树2-检验

评价性能：
混淆矩阵：

实际的类	类1	类2
类1	TP	FN	P
类0	FP	TN	N

P：正例
N：负
TP：正确预测的正
FP:负预测为正
FN：正预测为负
TN：正确预测的负

准确度：
Accuracy=(TP+TN)/(P+N）
召回率：
Recall=TP/P
精确度：
Precision=TP/(TP+FP)

res<-predict(fit)
result<-ifelse(res[,2]>0.5,"present","absent")
a<-table(kyphosis$Kyphosis,result)  
(a[1,1]+a[2,2])/sum(a)
a[1,1]/sum(a[1,])
a[2,2]/sum(a[,2])