Metrics for Positive and Unlabeled learning 对于PU learning，计算AUC，准确率，F1值三个指标。 先运行cal_confusion_matrics()函数，计算不同阈值下的混淆矩阵，然后： （1）cal_tpr_fpr_lb_ub，计算上下界TPR和FPR，可用于画ROC曲线； （2）F1_score，计算F1值； （3）accuracy_score，计算准确率； 注意，不能计算AUC，只能给出ROC曲线。
++++++++++++++++++++++++++ 参考文献：Assessing binary classifiers using only positive and unlabeled data