`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') ```