classification_report简介

参考文章：https://blog.csdn.net/akadiao/article/details/78788864

• sklearn中的classification_report函数用于显示主要分类指标的文本报告．在报告中显示每个类的精确度，召回率，F1值等信息。
  主要参数:
  y_true：1维数组，或标签指示器数组/稀疏矩阵，目标值。
  y_pred：1维数组，或标签指示器数组/稀疏矩阵，分类器返回的估计值。
  labels：array，shape = [n_labels]，报表中包含的标签索引的可选列表。
  target_names：字符串列表，与标签匹配的可选显示名称（相同顺序）。
  sample_weight：类似于shape = [n_samples]的数组，可选项，样本权重。
  digits：int，输出浮点值的位数．

from sklearn.metrics import classification_report
y_true = [0, 1, 2, 2, 2]
y_pred = [0, 0, 2, 2, 1]
target_names = ['class 0', 'class 1', 'class 2']
print(classification_report(y_true, y_pred, target_names=target_names))

结果为

• support：真实值每个类别出现的次数
• precision精度：预测对个数/预测值这个类别的总个数
• recall召回率：预测对的个数/真实值的这个类别的总个数
• 值是精确度和召回率的调和平均值
  • 
  • 精确度和召回率都高时， F1值也会高． F1值在1时达到最佳值（完美的精确度和召回率），最差为0．在二元分类中， F1值是测试准确度的量度