classification_report结果中各个指标的分析

classification_report是评估分类模型性能的一种方法，它提供了几个指标来评估模型的表现，包括准确率、召回率、F1值和支持度等。

1. 准确率（Accuracy）：准确率是指分类器正确分类的样本数与总样本数之比，是最常用的评估分类器性能的指标。

2. 召回率（Recall或Sensitivity）：召回率是指分类器正确识别出的正类样本数与实际正类样本数之比，也称为真正率。召回率越高，说明分类器对正类的识别能力越强。

3. F1值（F1-score）：F1值是准确率和召回率的调和平均数，是评估分类器综合性能的指标。F1值越高，说明分类器的综合性能越好。

4. 支持度（Support）：支持度是指数据集中某个类别的样本数，它反映了该类别在数据集中的重要性。

综上所述，准确率、召回率、F1值和支持度是分类器性能评估中常用的指标，它们可以帮助我们了解分类器的表现，从而调整模型参数或优化算法，提高分类器的性能。