【SKLEARN】classification_report函数与confusion_matrix函数

本博客采取的例子为垃圾邮件预测。预测结果（标签）为0或1.

1.classification_report（）函数：

其官方说明文档如下：

 其中文翻译如下：

y_true：1d类数组，或标签指示器数组/稀疏矩阵

真实值（正确）目标值。

y_pred：1d类似数组，或标签指示器数组/稀疏矩阵

分类器返回的预测值。

labels：数组形状（n_标签），默认值=无

要包含在报告中的标签索引的可选列表。

 其返回值为根据这组样本的真实值与预测值计算出的‘precision’、‘recall’、‘fi-score’、‘support’值。

• support：真实值每个标签（类别）出现的次数
• precision精度：某个标签的预测值等于真实值个数   除以    预测值中共有多少个该标签（预测为0实际值也为0的个数   除以    预测值为0的个数）
• recall召回率：某个标签的预测值等于真实值个数   除以   真实值中共有多少个该标签（预测为0实际值也为0的个数    除以    真实值为0的个数）
• f-1值是精确度和召回率的调和平均值
  • 精确度和召回率都高时， F1值也会高． F1值在1时达到最佳值（完美的精确度和召回率），最差为0．在二元分类中， F1值是测试准确度的量度

 2.confusion_matrix（）函数，其官方说明文档如下：

 其主要参数意义同上，这里就不再重复赘述了，其生成的结果为一个混淆矩阵。以垃圾邮件系统为例，其生成的矩阵类型形如。

	真实值为x	真实值为y
预测值为x	data1	data2
预测值为y	data3	data4

直接上演示！