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”
)
| 参数 | 描述 |
|---|---|
| y_true | 真实值 ，一维数组形式（也可以是列表元组之类的） |
| y_pred | 预测值，一维数组形式（也可以是列表元组之类的） |
| labels | 标签索引列表，可选参数，数组形式 |
| target_names | 与标签匹配的名称，可选参数，数组形式 |
| sample_weight | 样本权重，数组形式 |
| digits | 格式化输出浮点值的位数。默认为2。当“output_dict”为“True”时，这将被忽略，并且返回的值不会四舍五入。 |
| output_dict | 是否输出字典。默认为False，如果为True则输出结果形式为字典。 |
| zero_division | 设置存在零除法时返回的值。默认为warn。如果设置为“warn”，这相当于0，但也会引发警告。 |
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：
| 名称 | 简写 | 通俗描述 |
|---|---|---|
| 真正例 | TP | 预测结果是该标签，实际是该标签的样例个数 |
| 假正例 | FP | 预测结果是该标签，实际不是该标签的样例个数 |
| 假反例 | FN | 预测结果不是该标签，实际是该标签的样例个数 |
| 真反例 | TN | 预测结果不是该标签，实际是该标签的样例个数 |
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
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。
