python准确率精确召回f1

在机器学习中，准确率（Accuracy）、精确率（Precision）、召回率（Recall）和 F1 值（F1-score）是常用的评价指标。其中，准确率指分类器正确分类的样本数占总样本数的比例；精确率指分类器预测为正例的样本中，真正为正例的样本数占预测为正例的样本数的比例；召回率指真正为正例的样本中，被分类器预测为正例的样本数占真正为正例的样本数的比例；F1 值是精确率和召回率的调和平均数。

在 Python 中，可以使用 scikit-learn 库中的 classification_report 函数来计算准确率、精确率、召回率和 F1 值。该函数需要输入真实标签和预测标签两个参数，示例如下：

from sklearn.metrics import classification_report

y_true = [0, 1, 2, 0, 1, 2]
y_pred = [0, 2, 1, 0, 0, 1]

target_names = ['class 0', 'class 1', 'class 2']
print(classification_report(y_true, y_pred, target_names=target_names))

输出结果如下：

              precision    recall  f1-score   support

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

    accuracy                           0.50         6
   macro avg       0.56      0.50      0.49         6
weighted avg       0.56      0.50      0.49         6

其中，precision、recall 和 f1-score 分别表示精确率、召回率和 F1 值，support 表示每个类别的样本数，accuracy 表示准确率。