【机器学习】classification_report分类报告

一、classification_report是什么？

话不多说，直接上图，看看长啥样：
下图是使用sklearn.linear_model中对数几率回归模型求解鸢尾花分类问题的分类报告:

首先看列名，中文分别是“精确率”，“召回率”，“F1值”，样本数“”，我们接下来依次讲解这些内容。
行名分别是种类1，种类2…（这里的种类1是0，种类2是1，种类3是2），accuracy,macro avg（宏平均）:算术平均
weighted avg（加权平均）：除开本身的比例，还要算上该种类样本占所有样本的比例。
例如：本图macro avg=(1+0.93+0.96)/3=0.963
weighted avg=1×11/30+0.93×7/30+0.96×12/30=0.9676

二、预测结果分类（TP，FP，TN，FN）

我们回忆一下混淆矩阵的样子：

横坐标是预测的结果，纵坐标是真实的结果。如果一个真实数据类型为‘1’，但是它被预测为了‘0’，那么说明这个模型就预测错了。如果一个真实数据类型为‘1’，但是它被预测为了‘1’，那么说明这个模型就预测对了。
这个背景下，混淆矩阵里对角线上的元素就算预测对了

在这个概念下，我们引出TP，FP，TN，FN的概念：

1）TP：实际为正，预测为正
2）FP：实际为正，预测为负
3）FN：实际为负，预测为正
4）TN：实际为负，预测为负

三.精确率，召回率，F1值

1）精确率

2）召回率

3）F1值

调用分析报告的代码(输入的是真实数据和预测数据)：

classification_report(Y_test,Y_pre)