python 预测测试集报告 precision 、recall 、f1-score 、support

from sklearn.metrics import confusion_matrix
from sklearn.metrics import classification_report

confusion_matrix(y_test, y_predict)

print(classification_report(y_test, y_predict))


           precision	recall	  f1-score	support
   A         0.9	  0.9	     0.9           23 
   B         0.84	  0.77       0.81	   51

microavg    xx	          xx	      xx	   74
macroavg    xx	          xx	      xx	   74
weightedavg xx	          xx	      xx	   74

2020年12月17日，对此文章作更新，如下：

实例：下图是对4个话题进行分类。各取300条数据，共1200条。

在机器学习中，把1200条样本，按70%训练、30%测试划分。训练集为840条，测试集为360条。

precision ( 精确度)：正确预测为正的，占全部预测为正的比例。

recall（召回率）：正确预测为正的，占全部实际为正的比例。

f1-score (f1值)：精确率和召回率的调和平均数。

support （各分类样本的数量或测试集样本的总数量）。

macro avg (宏平均值)：所有标签结果的平均值。

weighted avg（加权平均值）：所有标签结果的加权平均值。