评估决策树

通过检验模型在测试数据上的表现，您可以评估模型质量。由于模型并未在这些数据上训练，这样的评估更客观。

混淆矩阵能清晰展示预测值与真实值的对应关系。它包含 4 个格子，分别统计：

真负（TN）— 模型预测为负，且真实结果为负
真正（TP）— 模型预测为正，且真实结果为正
假负（FN）— 模型预测为负，但真实结果为正
假正（FP）— 模型预测为正，但真实结果为负。

这些计数（TN、TP、FN 和 FP）应当相加等于测试数据中的记录数，它只是航班数据的一个子集。您可以与测试数据的记录数进行对比，即 flights_test.count()。

注意：这些预测是在测试数据上得到的，因此计数会比在训练数据上进行预测时更小。

通过统计 label 与 prediction 的组合来创建混淆矩阵，并显示结果。
统计真负、真正、假负和假正的数量。
计算准确率。