3X3混淆矩阵计算评价指标代码

以下是一个Python函数，可以根据3x3混淆矩阵计算多个评价指标：

def evaluate(confusion_matrix):
    TP = confusion_matrix[1][1]
    TN = confusion_matrix[0][0] + confusion_matrix[2][2] + confusion_matrix[0][1] + confusion_matrix[0][2] + confusion_matrix[1][0] + confusion_matrix[2][0] + confusion_matrix[2][1]
    FP = confusion_matrix[0][1] + confusion_matrix[0][2] + confusion_matrix[1][0] + confusion_matrix[2][0]
    FN = confusion_matrix[1][0] + confusion_matrix[2][0] + confusion_matrix[0][1] + confusion_matrix[0][2]
    
    accuracy = (TP + TN) / (TP + TN + FP + FN)
    precision = TP / (TP + FP)
    recall = TP / (TP + FN)
    f1_score = 2 * precision * recall / (precision + recall)
    
    return accuracy, precision, recall, f1_score

其中，`confusion_matrix`是混淆矩阵，是一个3x3的数组，表示实际类别和预测类别之间的对应关系，例如：

[[10, 5, 3],
 [2, 20, 1],
 [4, 6, 15]]

就是一个3x3的混淆矩阵，其中第i行第j列的元素表示实际类别为i，预测类别为j的样本数量。根据混淆矩阵计算出TP、TN、FP、FN的数量。最后，根据这些指标计算出准确率、精确率、召回率和F1-score。函数返回一个包含所有指标的元组。