混淆矩陣是最常用的方法，讓人直覺就看出辨識能力

# Confusion Matrix 混淆矩陣
p_class_test = model.predict(x_test).argmax(axis=1)
y_class_test = y_test.argmax(axis=1)
cm = confusion_matrix(y_class_test, p_class_test)
print(cm)

# Plotting confusion Matrix
plt.imshow(cm, interpolation='nearest')
plt.colorbar()
number_of_class = len(np.unique(y_class_test))
tick_marks = np.arange(len(np.unique(y_class_test)))
plt.xticks(tick_marks, range(number_of_class))
plt.yticks(tick_marks, range(number_of_class))
plt.tight_layout()
plt.ylabel('True label')
plt.xlabel('Predicted label')
plt.title('Confusion Matrix')
plt.show()

當True Label（正確標籤）與Predict Lable（預測結果）的從左上到右下這個斜線，顏色從最高（預測最好）的黃色、到最低（預測最差）的藍色

直覺的圖看過後，我們改看數值化的圖表，本來該預測是多少的數字，是否預測正確
例如正確數字0，預測正確有969張圖，但有5張圖預測成了2，有2張預測成6，有4張預測成了7