计算模型 h 的准确率、精确率和召回率。现有8条标签属于｛0,1｝的数据。它们的标签组成的向量为（1,1,1,1,0,0,0,0)，设模型 h 对这8条数据的标签预测为（1,0,1,1,0,1,1,0)。请计算模型 h 的准确率、精确率与召回率。用python实现

准确率（Accuracy）：指分类器正确分类的样本数占样本总数的比例。

精确率（Precision）：指分类器预测为正类的样本中，实际为正类的样本比例。

召回率（Recall）：指实际为正类的样本中，被分类器正确预测为正类的样本比例。

根据上述定义，计算模型 h 的准确率、精确率和召回率的具体步骤如下：

# 模型预测结果
y_pred = [1, 0, 1, 1, 0, 1, 1, 0]

# 实际标签
y_true = [1, 1, 1, 1, 0, 0, 0, 0]

# 计算准确率
accuracy = sum([1 for i in range(len(y_true)) if y_true[i] == y_pred[i]]) / len(y_true)
print("准确率：", accuracy)

# 计算精确率
tp = sum([1 for i in range(len(y_true)) if y_true[i] == 1 and y_pred[i] == 1])
fp = sum([1 for i in range(len(y_true)) if y_true[i] == 0 and y_pred[i] == 1])
precision = tp / (tp + fp)
print("精确率：", precision)

# 计算召回率
tp = sum([1 for i in range(len(y_true)) if y_true[i] == 1 and y_pred[i] == 1])
fn = sum([1 for i in range(len(y_true)) if y_true[i] == 1 and y_pred[i] == 0])
recall = tp / (tp + fn)
print("召回率：", recall)

输出结果：

准确率： 0.75
精确率： 0.75
召回率： 1.0

因此，模型 h 的准确率为 75%，精确率为 75%，召回率为 100%。