多類別分類的效能
在這個練習中，你會使用 sklearn.metrics 模組來計算模型的效能指標。
模型已經訓練完成並儲存在變數 model。變數 X_test 與 y_true 也已載入，同時已從 sklearn.metrics 套件匯入 confusion_matrix() 與 classification_report() 函式。
你會先計算模型的「混淆矩陣」。接著，為了彙總模型效能，你會用 classification_report() 函式計算「精確率（precision）」、「召回率（recall）」與「F1 分數（F1-score）」。在這個函式中，你可以選擇性地把包含類別名稱的 list（已存於變數 news_cat）傳入參數 target_names，讓報表更易讀。
本練習屬於課程
使用 Keras 建立語言模型的循環神經網路（RNN）
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。
# Use the model to predict on new data
____ = model.____(X_test)
# Choose the class with higher probability
y_pred = np.____(predicted, axis=1)