classification_report()是python在机器学习中常用的输出模型评估报告的方法。

classification_report()函数介绍

classification_report()语法如下：

classification_report(
         y_true,
         y_pred,
         labels=None,
         target_names=None,
         sample_weight=None,
         digits=2,
         output_dict=False,
         zero_division=“warn”
)

使用示例

from sklearn.metrics import classification_report

# 测试集真实数据
y_test = [1, 2, 3, 1, 2, 3, 1, 2, 3]
# 预测结果
y_predicted = [1, 2, 3, 3, 2, 1, 3, 2, 3]

以这两行数据为例，不难直接看出，
预测中预测了

• 2次1标签，成功1次，1标签预测的准确率率为0.5
• 3次2标签，成功3次，2标签预测的准确率为1.0
• 4次3标签，成功2次，3标签预测的准确率为0.5

print(classification_report(y_test, y_predicted))

也可以加上target_names参数，效果如下：

print(classification_report(y_test, y_predicted, target_names=['a类', 'b类', 'c类']))

如图左边显示出了新传入的标签名。

输出分析

由图可见，precisoin即准确率，也称查准率。
recall是召回率 ，也称查全率，
f1-score简称F1

对于其中一个标签预测结果进行评估，引入以下概念：

其中， 满足TP+FP+FN+TN=样例总数

查准率的定义公式为

可以描述为 预测结果是该标签的样例中，实际是该标签的所占比。

查全率的定义公式为

可以描述为 实际是该标签的样例中，预测结果是该标签的所占比。

以该例的标签’3’为例，
‘3’标签预测了4次，成功了2次，则查准率为

所有标签一共预测了9次，其中3标签预测了4次，则其它标签预测了5次，这五次中有1次是3标签，即FN=1则查全率为：

查准率和查全率是一对矛盾的度量，一般来说，查准率高时，查全率往往会偏低，查全率高时，查准率往往会偏低。通常只可能在一些简单任务中，才可能使查准率和查全率都很高。

此时结合名字，不难看出：查全率，是在衡量关于某标签的预测结果涵盖的是否“周全”，查全率高意味着，即某个标签预测得准确率不一定高，但是其真实值会大量存在于或者被包含于预测值中。

f1-score也称F1，

F1是基于查准率与查重率 的调和平均定义的：

accruracy 整体的准确率 即正确预测样本量与总样本量的比值。（不是针对某个标签的预测的正确率）

macro avg 即宏均值，可理解为普通的平均值。
macro-P 宏查准率
macro-R 宏查全率
macro-F1 宏F1

对应的概念还有 微均值 micro avg
以 micro-P 为例，不是直接对各个准确率求平均，而是求其构成元素TP、FP、TN、FN的平均值，分别记作、、、。然后按照原公式计算出的即为micro-P。
公式经过等价转换，分子分母同时乘以标签个数，micro-P等价于所有类别中预测正确量与总样本量的比值。
micro-R 同理，即所有类别中预测正确的量占该标签实际数量的比例。