目的：評估分類器準確性
函數：sklearn.metrics.confusion_matrix(y_true, y_pred, labels=None, sample_weight=None)
輸入：

• y_true:實際的目標結果
• y_pred:預測的結果
• labels: 標簽，對結果中的string進行排序， 順序對應0、1、2
• sample_weight:樣本的權重？

輸出：

• 一個矩陣，shape=[y中的類型數，y中的類型數]
• 矩陣中每個值表征分類的準確性
• 第0行第0列的數表示y_true中值為0，y_pred中值也為0的個數
• 第0行第1列的數表示y_true中值為0，y_pred中值為1的個數

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]])