1为黑样本，0为白样本：
Counter({1: 105, 0: 95}) check counter!confusion_matrix:[[83 12（预测值为1，实际为0，误报）] [15(预测值为0，实际为1，漏报！) 90]]
因为样本不均衡的分类器需要着重关注，因此注意下！
python里混淆矩阵 左下角为漏报，右上角为误报
原文：https://www.cnblogs.com/bonelee/p/9144292.html
