怎么求十折分层抽样后的平均分类报告python不用cross_val_score

你可以使用scikit-learn库的`StratifiedKFold`类来进行十折分层抽样，然后手动编写交叉验证和计算平均分类报告的代码。

首先，导入需要的库：

from sklearn.model_selection import StratifiedKFold
from sklearn.metrics import classification_report

接着，定义你的分类器和数据集，然后使用`StratifiedKFold`类进行十折分层抽样：

skf = StratifiedKFold(n_splits=10, shuffle=True, random_state=1)

其中，`n_splits`指定分成的折数，`shuffle`指定是否打乱数据集，`random_state`指定随机种子。

然后，手动编写交叉验证和计算平均分类报告的代码：

scores = []
for train_index, test_index in skf.split(X, y):
    X_train, X_test = X[train_index], X[test_index]
    y_train, y_test = y[train_index], y[test_index]
    classifier.fit(X_train, y_train)
    y_pred = classifier.predict(X_test)
    scores.append(classifier.score(X_test, y_test))

print("Accuracy: %0.2f (+/- %0.2f)" % (np.mean(scores), np.std(scores) * 2))
print(classification_report(y_test, y_pred))

其中，`train_index`和`test_index`分别为训练集和测试集的索引，`X_train`和`y_train`为训练集数据和标签，`X_test`和`y_test`为测试集数据和标签，`classifier.fit(X_train, y_train)`训练分类器，`y_pred = classifier.predict(X_test)`预测测试集数据，`scores.append(classifier.score(X_test, y_test))`计算准确率并添加到`scores`列表中。

最后，计算平均准确率并使用`classification_report`函数生成分类报告。

注意，这种方法需要手动编写交叉验证和计算平均分类报告的代码，相对而言比较繁琐，建议使用`cross_val_score`函数进行交叉验证。