評估四種分類結果
混淆矩陣是檢視四種結果類別最直觀的工具：真正類（TP）、假正類（FP）、真負類（TN）與假負類（FN）。在這個練習中，你將使用 sklearn 的標準決策樹分類器 DecisionTreeClassifier() 套用在點擊範例資料上，並計算這四類結果的分佈。
你的工作區中已將 pandas 模組以 pd 載入，範例 DataFrame 已載入為 df。特徵已載入在 X，目標已載入在 y。此外，可使用來自 sklearn.tree 的 DecisionTreeClassifier。
本練習屬於課程
用 Python 透過機器學習預測 CTR
練習說明
- 取得
X與y的訓練集與測試集切分。 - 定義一個決策樹分類器，擬合模型並產生預測
y_pred。 - 使用混淆矩陣取得各類結果的計數，其中
1代表正向（點擊），0代表負向（未點擊）。 - 例如：真負類是
[0,0]，真正類是[1,1]。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Set up classifier using training data to predict test data
X_train, X_test, y_train, y_test = ____(
X, y, test_size = .2, random_state = 0)
clf = ____
y_pred = clf.____(X_train, y_train).____(X_test)
# Define confusion matrix and four categories
conf_matrix = ____(y_test, y_pred)
tn = conf_matrix[____][____]
fp = conf_matrix[____][____]
fn = conf_matrix[____][____]
tp = conf_matrix[____][____]
print("TN: %s, FP: %s, FN: %s, TP: %s" %(tn, fp, fn, tp))