python中classification_report返回结果

`classification_report` 是 `sklearn.metrics` 模块中的一个函数，用于显示主要分类指标的报告。其语法如下： ```python classification_report( y_true, y_pred, labels=None, target_names=None, sample_weight=None, digits=2, output_dict=False, zero_division="warn" ) ``` ### 返回结果情况 - **`output_dict=False`（默认情况）**：函数返回一个格式化的字符串，包含每个类别以及总体的分类指标报告。报告中包含以下指标： - **精确率（Precision）**：预测为某一类别的样本中，实际为该类别的比例。 - **召回率（Recall）**：实际为某一类别的样本中，被正确预测为该类别的比例。 - **F1值（F1-score）**：精确率和召回率的调和平均数，用于综合衡量模型在某一类别的性能。 - **支持度（Support）**：实际属于某一类别的样本数量。 - **总体指标**：报告的最后会给出宏观平均（Macro avg）、加权平均（Weighted avg）等总体指标，用于综合评估模型的性能。示例代码： ```python from sklearn.metrics import classification_report y_true = [0, 1, 2, 0, 1, 2] y_pred = [0, 2, 1, 0, 0, 1] print(classification_report(y_true, y_pred)) ``` - **`output_dict=True`**：函数返回一个字典，字典的键为类别标签（如果指定了 `target_names`，则为对应的名称），值为一个子字典，包含该类别的精确率、召回率、F1值和支持度。此外，字典中还包含 `'macro avg'`、`'weighted avg'` 等总体指标。示例代码： ```python from sklearn.metrics import classification_report y_true = [0, 1, 2, 0, 1, 2] y_pred = [0, 2, 1, 0, 0, 1] report = classification_report(y_true, y_pred, output_dict=True) print(report) ``` ### 导出为 CSV 文件可以将 `classification_report` 返回的结果导出为 CSV 文件，便于进一步分析。示例代码如下： ```python import pandas as pd from sklearn.metrics import classification_report y_true = [0, 1, 2, 0, 1, 2] y_pred = [0, 2, 1, 0, 0, 1] report = classification_report(y_true, y_pred, output_dict=True) df = pd.DataFrame(report).transpose() df_new = df.reset_index() # 需要将 index 列单独保存下来，当做新的一列 # index 是 label id df.to_csv("precision_recall_result.csv", index=True, sep='\t') df_new.to_csv("label_precision_recall_result.csv", index=True, sep='\t') ```

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

下一篇 python中confusion_matrix返回结果

目录

python中classification_report返回结果

Python内容推荐

Python 随机森林 Wine 多分类 特征重要性

Python随机森林分类器代码实现

ecg_classification-master.zip_ECG分类_ecg python_matlab ecg分类_mat

python 3.6 simple_classification.py 机器学习简单分类例子 带注释 帮助理解

在python中利用KNN实现对iris进行分类的方法

xgboost算法_python_xgboost预测结果_xgboost_xgboost预测_XGBoost算法

多分类python代码_libsvm多分类_模式识别分类_多分类_

Gender_Classification_Images:此仓库包含一个Python项目，用于仅使用图像对人的性别进行分类

Python3变量命名六大禁忌

Python代码性能优化技巧

Python3递归函数终止条件

Python3函数位置参数传参规则

classification_report解析[代码]

methodOAA_实现OAA算法代码_

ecg_classification:心电图分类和心律失常检测

text_classification_baseline

Dog_Cat_Classification:使用CNN对猫狗图像进行分类

Text_classification

command_classification:命令分类

nlp_patent_classification:如果我们实际阅读专利怎么办？ 使用NLP方法替代IPCPC分类的方法

2024年基于自然的解决方案：中欧案例研究与经验总结报告.docx

使用SSA（MATLAB）对阿尔茨海默病小鼠模型进行脑电信号分析.zip

Special-Comfy-part2.7z.088

高校技术转移办公室人员在成果转化过程中，如何实现科技成果的精准推介与高效转化？.docx

政府科技管理者如何提升科技成果转化政策落实的精准性？.docx

Rust系统编程与WebAssembly开发：LLVM IR教程及实战资源

OpenStock：中小企业可用的开源库存管理系统

PSO里的惯性权重怎么设才合理？为什么常常用线性递减的方式？

Windows平台ESP32开发环境一站式搭建包：MSYS2、ESP-IDF v3.3与VS Code集成配置

OpenStock：开源A股行情数据抓取与自动化选股策略工具

Python 随机森林 Wine 多分类特征重要性

python 3.6 simple_classification.py 机器学习简单分类例子带注释帮助理解

nlp_patent_classification:如果我们实际阅读专利怎么办？使用NLP方法替代IPCPC分类的方法