用朴素贝叶斯模型进行垃圾邮件分类已知样本的混淆矩阵如下所示：模型分类 真实分类阳性 阴性阳性 450 150阴性 300 600请计算该模型进行分类的准确率ACC、召回率TPR、特异性TNR、精度PPV和F1-score等指标的值要求写出具体算式结果可保留2位小数。

根据混淆矩阵，可以得到以下计算结果：

准确率(ACC) = (TP+TN)/(TP+TN+FP+FN) = (450+600)/(450+600+150+300) = 0.75

召回率(TPR) = TP/(TP+FN) = 450/(450+300) = 0.6

特异性(TNR) = TN/(TN+FP) = 600/(600+150) = 0.8

精度(PPV) = TP/(TP+FP) = 450/(450+150) = 0.75

F1-score = 2TP/(2TP+FP+FN) = 2450/(2450+150+300) = 0.64

因此，该模型的准确率为0.75，召回率为0.6，特异性为0.8，精度为0.75，F1-score为0.64。