关于sklearn.metrics中的classification_report结果说明

precision（P）：
精确率，针对预测结果，它表示的是预测为正的样本中有多少是真正的样本。（预测正确且为1的占所有预测为1的比例）
recall（R）：
召回率，针对原来的样本，它表示的是样本中的正例有多少被预测正确了。（预测正确且为1的占所有实际为1的比例）
f1-score（F1）：
F1=$\frac{P\ast R\ast 2}{P+R}$
F1的值等于1时最佳，等于0时最差。
通常看这个即可。
可以用基本不等式证明出F1$\le 1$。