Scikit-learn中怎么實(shí)現(xiàn)模型評(píng)估報(bào)告

在Scikit-learn中，可以使用classification_report函數(shù)來(lái)生成模型評(píng)估報(bào)告。這個(gè)函數(shù)可以輸出精確度、召回率、F1值以及支持度等指標(biāo)。

下面是一個(gè)示例代碼，展示如何使用classification_report函數(shù)來(lái)生成模型評(píng)估報(bào)告：

from sklearn.metrics import classification_report

# 假設(shè)y_true是真實(shí)標(biāo)簽，y_pred是模型的預(yù)測(cè)結(jié)果
y_true = [0, 1, 2, 2, 2]
y_pred = [0, 1, 1, 2, 1]

# 輸出模型評(píng)估報(bào)告
print(classification_report(y_true, y_pred))

運(yùn)行以上代碼，會(huì)輸出如下的模型評(píng)估報(bào)告：

              precision    recall  f1-score   support

           0       1.00      1.00      1.00         1
           1       0.50      1.00      0.67         1
           2       1.00      0.67      0.80         3

    accuracy                           0.80         5
   macro avg       0.83      0.89      0.82         5
weighted avg       0.90      0.80      0.82         5

在這個(gè)報(bào)告中，每個(gè)類別（0, 1, 2）都有自己的精確度、召回率、F1值和支持度等指標(biāo)。同時(shí)，還會(huì)給出整體的精確度、召回率、F1值和支持度等指標(biāo)。