知乎总结（有错误，注意看评论）
CSDN 总结
输入模型中的 x 是特征，y 是分类结果，所以模型评估输入的参数是 y_true, y_predict
混淆矩阵
b站讲解
confusion_matix
对于二分类问题，有 TP，TN，FP，FN 四种情况，True Positive 意思就是正确的正样本，其是被分类正确的正样本；False Positive 是错误的正样本，则该样本本身为负样本。综上，所有的正样本为 TP+FN
对于多分类问题，扩大矩阵维度，对角线是所有预测正确的样本
F1-score
F1-score、Micro-F1-score、Macro-F1-score
使用 tf 和 Keras 计算 Macro F1-Score
