python预测测试集报告precision、recall、f1score、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。