分类报告：sklearn.metrics.classification_report(y_true, y_pred, labels=None, target_names=None,sample_weight=None, digits=2)，显示主要的分类指标，返回每个类标签的精确、召回率及F1值
主要参数说明：
labels：分类报告中显示的类标签的索引列表
target_names：显示与labels对应的名称
digits：指定输出格式的精确度
精度(precision) = 正确预测的个数(TP)/被预测正确的个数(TP+FP)
召回率(recall)=正确预测的个数(TP)/预测个数(TP+FN)
F1 = 2*精度*召回率/(精度+召回率)
In [4]: from sklearn.metrics import classification_report ...: y_true = [1, 2, 3, 3, 3] ...: y_pred = [1, 1, 3, 3, 2] ...: labels =[1,3,2] ...: target_names = ['labels_1','labels_2','labels_3','labels-4'] ...: print(classification_report(y_true,y_pred,labels=labels,target_names= t ...: arget_names,digits=3)) ...: precision recall f1-score support labels_1 0.500 1.000 0.667 1 labels_2 1.000 0.667 0.800 3 labels_3 0.000 0.000 0.000 1 avg / total 0.700 0.600 0.613 5最后一行结果：等于各指标的加权平均值 注意：在二分类中，真正例率也称灵敏度，真负例率也称特效性
