Python：sklearn.metrics.classific

sklearn.metrics.classification_report（y_true, y_pred, labels=None, target_names=None, sample_weight=None, digits=2, output_dict=False）

这个函数用于对模型性能进行评估，标准有精确度、召回率、F1-score。

参数：

y_true：1 维数组，真实数据的分类标签

y_pred：1 维数组，模型预测的分类标签

labels：列表，需要评估的标签名称

target_names：列表，指定标签名称

sample_weight：1 维数组，不同数据点在评估结果中所占的权重

digits：评估报告中小数点的保留位数，如果 output_dict=True，此参数不起作用，返回的数值不作处理

output_dict：若真，评估结果以字典形式返回

返回：

字符串或字典类型

精确度：precision，正确预测为正的，占全部预测为正的比例，TP / (TP+FP)

召回率：recall，正确预测为正的，占全部实际为正的比例，TP / (TP+FN)

F1-score：精确率和召回率的调和平均数，2 * precision*recall / (precision+recall)

support: 当前行的类别在测试数据中的样本总量

同时还会给出总体的微平均值，宏平均值和加权平均值。

accuracy：计算正确率 (TP+TN) / (TP＋FP＋FN＋TN)

macro avg：各类的precision，recall，f1加和求平均

weighted avg :对每一类别的f1_score进行加权平均，权重为各类别数在y_true中所占比例