给我一个计算混淆矩阵的算法

混淆矩阵（Confusion Matrix）也称为误差矩阵（Error Matrix），是一种常见的评估分类模型性能的工具。在机器学习和数据挖掘中，混淆矩阵被广泛用于评估分类模型的准确性。

计算混淆矩阵的算法如下：

定义四个变量：TP（True Positive）、TN（True Negative）、FP（False Positive）和FN（False Negative）。
遍历每一个样本，将其真实标签和预测标签分别与四个变量进行比较，如果相等，则相应的变量加1。
计算各个变量的值，得到混淆矩阵。

例如，假设有100个样本，其中60个样本属于正类，40个样本属于负类，分类器预测的结果如下：

| 真实标签 / 预测标签 | 正类 | 负类 | | :----------------: | :--: | :--: | | 正类 | 50 | 10 | | 负类 | 5 | 35 |

则，根据以上公式，可以计算出混淆矩阵如下：

| 真实标签 / 预测标签 | 正类 | 负类 | | :----------------: | :--: | :--: | | 正类 | TP | FP | | 负类 | FN | TN |

其中，TP = 50，FP = 10，FN = 5，TN = 35。