python数据分析包：sklearn.metrics.confusion_matrix

API: http://scikit-learn.org/stable/modules/generated/sklearn.metrics.confusion_matrix.html

计算交叉矩阵以评估分类的准确度

所定义交叉矩阵 C为Cij在i组中观察的观测值数量在j组的值

在二进制分类中，正确的负值为C 0,0 ，错误预测的负值为C 1,0 ，错误的正值为C0,1 ，正确的正值为C 1,1

看个例子API里面的:

>>> 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]])

第一行：真值为0，预测为0的有2个

              真值为0，预测为1的有0个

              真值为0，预测为2的有0个    

剩余同理，基本上这个函数就是这个意思，对比预测值与实际值之间的差别