读懂sklearn的classification_report

本文介绍如何读懂classification_report的各个指标。

• y_true为样本真实标记，y_pred为样本预测标记
• support：某类别在测试数据中的样本个数，测试数据中有1个样本的真实标签为class 0
• precision：模型预测的结果中有多少是预测正确的
• micro avg：计算所有数据下的指标值，比如全部数据5个样本中有3个预测正确，故micro avg为0.6
• macro avg：每个类别评估指标未加权的平均值，比如准确率的macro avg，(0.50+0.00+1.00)/3=0.5
• weighted avg：加权平均，比如第一个值的计算方法，(0.50*1 + 0.0*1 + 1.0*3)/5 = 0.70

>>> from sklearn.metrics import classification_report
>>> y_true = [0, 1, 2, 2, 2]
>>> y_pred = [0, 0, 2, 2, 1]
>>> target_names = ['class 0', 'class 1', 'class 2']
>>> print(classification_report(y_true, y_pred, target_names=target_names))
              precision    recall  f1-score   support

     class 0       0.50      1.00      0.67         1
     class 1       0.00      0.00      0.00         1
     class 2       1.00      0.67      0.80         3

   micro avg       0.60      0.60      0.60         5
   macro avg       0.50      0.56      0.49         5
weighted avg       0.70      0.60      0.61         5