多分类模型中的FN、FP怎么算？

根据定义：
假阳性（FP）: 实际为负，预测为正
假阴性（FN）: 实际为正，预测为负；
对于二分类问题，这个比较清楚。但是对于多分类问题，我仍旧比较迷糊。
比如：
y_true = [0,1,2,0,1,2]
y_pred = [0,2,1,0,0,1]
此时：
1. y_true中的1,2是否都算负类？
2. 如果是，那针对0类，我的理解：TP为2，FP为1，先看预测正类的数目为3，其中2个猜对，1个猜错。
3. FN应该为3，TN为0，因为预测有三个负类，但是都预测错了。
求正解~~

多分类问题计算FP和FN你需要先列出混淆矩阵

真实\预测      0      1      2
    0               2      0      0
    1               1      0      1
    2               0      2      0

那么分类讨论：

对于类别0的 FP=1 TP=2 FN=0 TN=3
对于类别1的 FP=2 TP=0 FN=2 TN=2
对于类别2的 FP=1 TP=0 FN=2 TN=3

然后进一步的宏查准率Marco-P、宏查全率Marco-R、宏F1 Macro-F1、微查准率Mirco-P、微查全率Mirco-R、微F1 Micro-F1的计算就是以上面9个值为基准进行的