print()输出分类报告classification_report

`classification_report` 是 sklearn 库中的一个函数，用于生成分类报告，展示分类模型的性能指标。以下是一个使用 `classification_report` 函数的示例代码：

from sklearn.metrics import classification_report

# 假设 y_true 和 y_pred 分别是真实标签和预测标签
target_names = ['class 0', 'class 1', 'class 2'] # 类别名称
print(classification_report(y_true, y_pred, target_names=target_names))

其中，`y_true` 是样本的真实标签，`y_pred` 是模型的预测标签，`target_names` 是一个列表，包含每个类别的名称。`classification_report` 函数会计算并打印出准确率、召回率、F1值等性能指标，并对每个类别分别进行报告。输出的示例结果如下：

              precision    recall  f1-score   support

     class 0       0.75      0.88      0.81        50
     class 1       0.73      0.60      0.66        30
     class 2       0.92      0.85      0.88        65

    accuracy                           0.81       145
   macro avg       0.80      0.78      0.79       145
weighted avg       0.82      0.81      0.81       145

其中，每个类别的报告包括以下几项指标：

- `precision`（精确率）：表示预测为该类别的样本中，实际属于该类别的比例。
- `recall`（召回率）：表示属于该类别的样本中，被预测为该类别的比例。
- `f1-score`：综合考虑精确率和召回率的指标，越接近1表示模型性能越好。
- `support`：表示该类别的样本数量。
- `accuracy`：表示分类器在所有类别上的平均准确率。
- `macro avg`：表示对所有类别的指标求平均得到的宏平均值。
- `weighted avg`：表示按照每个类别的样本数量加权求和得到的加权平均值。