scikit-learn统计结果分析

confusion_matrix(mnist.test.labels,predictions)
混淆矩阵（confusion matrix）是一种特定的矩阵用来呈现算法性能的可视化效果，其每一列代表预测值，每一行代表的是实际的类别。混淆矩阵中对角线位置的值表示预测正确的值，例如在mnist手写数字识别过程中，通过KNN算法得到的混淆矩阵如下：

每一行分别代表【0-9】这是个数字，每一列分别代表预测值【0-9】，由图可知，对角线位置数值最大，说明大部分数据都是判断正确的，但其中还有少部分数据判断错误。

classification_report：
其他统计信息：
Recall:体现了分类模型对正样本的识别能力，Recall越高模型对正样本的识别越好
precision:体现了分类模型对负样本的识别能力，precision越高模型对负样本识别越好
F1-score:是Recall和precision的综合，F1-score越高，模型月稳健

accuracy_score：
体现模型检测的准确率