sklearn.metrics.classification_report

分类报告：sklearn.metrics.classification_report(y_true, y_pred, labels=None, target_names=None,sample_weight=None, digits=2)，显示主要的分类指标，返回每个类标签的精确、召回率及F1值

主要参数说明：

labels：分类报告中显示的类标签的索引列表

target_names：显示与labels对应的名称

digits：指定输出格式的精确度

精度(precision) = 正确预测的个数(TP)/被预测正确的个数(TP+FP)

召回率(recall)=正确预测的个数(TP)/预测个数(TP+FN)

F1 = 2*精度*召回率/(精度+召回率)

In [4]: from sklearn.metrics import classification_report
...: y_true = [1, 2, 3, 3, 3]
...: y_pred = [1, 1, 3, 3, 2]
...: labels =[1,3,2]
...: target_names = ['labels_1','labels_2','labels_3','labels-4']
...: print(classification_report(y_true,y_pred,labels=labels,target_names= t
...: arget_names,digits=3))
...:
precision recall f1-score support

labels_1 0.500 1.000 0.667 1
labels_2 1.000 0.667 0.800 3
labels_3 0.000 0.000 0.000 1

avg / total 0.700 0.600 0.613 5最后一行结果：等于各指标的加权平均值

注意：在二分类中，真正例率也称灵敏度，真负例率也称特效性