混淆矩阵
混淆矩阵是评估模型准确性的重要起点。它提供了计算多种指标所需的数值，包括灵敏度（sensitivity）、特异度（specificity）以及 F1 分数。
您已经训练了一个分类模型，用于根据 X 光片预测某人是否手臂骨折。在测试集上，得到以下混淆矩阵：
| 预测：0 | 预测：1 | |
|---|---|---|
| 实际：0 | 324 (TN) | 15 (FP) |
| 实际：1 | 123 (FN) | 491 (TP) |
本练习是课程的一部分
Python 中的模型验证
练习说明
- 使用混淆矩阵计算整体准确率（accuracy）。
- 使用混淆矩阵计算精确率（precision）和召回率（recall）。
- 使用提供的三条 print 语句分别输出每个指标的数值。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Calculate and print the accuracy
accuracy = (____ + ____) / (953)
print("The overall accuracy is {0: 0.2f}".format(accuracy))
# Calculate and print the precision
precision = (____) / (____ + ____)
print("The precision is {0: 0.2f}".format(precision))
# Calculate and print the recall
recall = (____) / (____ + ____)
print("The recall is {0: 0.2f}".format(recall))