评估分类模型召回率和f1-score的代码

以下是评估分类模型召回率和f1-score的代码：

from sklearn.metrics import recall_score, f1_score

# 假设 y_true 是真实标签，y_pred 是模型预测标签
# 计算召回率
recall = recall_score(y_true, y_pred, average='macro')

# 计算f1-score
f1 = f1_score(y_true, y_pred, average='macro')

print("Recall: {:.2f}".format(recall))
print("F1-score: {:.2f}".format(f1))

其中，`recall_score` 和 `f1_score` 函数都需要传入两个参数：

- `y_true`：真实标签
- `y_pred`：模型预测标签

`average` 参数可选值有三种：

- `binary`：计算二分类问题的召回率和f1-score
- `micro`：对所有类别的真实标签和预测标签计算总和，再计算召回率和f1-score
- `macro`：对每个类别分别计算召回率和f1-score，再计算平均值

在以上代码中，使用了 `macro` 作为 `average` 参数的值，因此计算的是每个类别的召回率和f1-score的平均值。