以下是一个包含代码示例的解决方法，用于计算给定标签和预测结果之间的混淆矩阵。

import numpy as np
from sklearn.metrics import confusion_matrix

# 假设有以下真实标签和预测结果
y_true = np.array([1, 0, 1, 1, 0, 1])
y_pred = np.array([1, 1, 1, 0, 0, 1])

# 计算混淆矩阵
cm = confusion_matrix(y_true, y_pred)

# 提取混淆矩阵的四个值
tp = cm[1, 1]  # 真正例
tn = cm[0, 0]  # 真负例
fp = cm[0, 1]  # 假正例
fn = cm[1, 0]  # 假负例

print("混淆矩阵:")
print(cm)
print("TP:", tp)
print("TN:", tn)
print("FP:", fp)
print("FN:", fn)

输出结果为：

混淆矩阵:
[[1 1]
 [1 3]]
TP: 3
TN: 1
FP: 1
FN: 1

以上代码首先导入了numpy和sklearn.metrics库。然后，定义了真实标签y_true和预测结果y_pred。接下来，使用confusion_matrix函数计算混淆矩阵cm。最后，通过索引操作提取混淆矩阵的四个值，即真正例tp、真负例tn、假正例fp和假负例fn。最后，将这些值打印出来。

注意，此示例仅适用于二分类问题。对于多分类问题，需要使用其他方法计算混淆矩阵。