python 语义分割中常用精度评定方法-混淆矩阵

混淆矩阵（Confusion Matrix）是机器学习领域中评价算法分类性能的常用方法，主要用来解决二分类问题，通过表格实现分类器所预测的类别与其实际的类别的样本统计。

一、混淆矩阵简介

混淆矩阵的构成，如下表所示：其中：
（1）真正例（True positives，TP）：正类样本被正确预测为正类样本，表现形式为：预测值为1，真实值为1；
（2）真反例（True negatives，TN）：负类样本被正确预测为负类样本，表现形式为：预测值为0，真实值为0；
（3）假正例（False positives，FP）：负类样本被错误预测为正类样本，表现形式为：预测值为1，真实值为0；
（4）假反例（False negatives，FN）：正类样本被错误预测为负类样本，表现形式为：预测值为0，真实值