Python Scikit分类报告-更改显示结果的格式

Scikit分类报告将仅用两位数显示精度和召回分数。有没有可能让它在点后显示4位数字，而不是0.67来显示0.6783

 from sklearn.metrics import classification_report
 print classification_report(testLabels, p, labels=list(set(testLabels)), target_names=['POSITIVE', 'NEGATIVE', 'NEUTRAL'])
                     precision    recall  f1-score   support

         POSITIVE       1.00      0.82      0.90     41887
         NEGATIVE       0.65      0.86      0.74     19989
         NEUTRAL        0.62      0.67      0.64     10578

---

还有，我应该担心1.00的精确分数吗？谢谢

否，使用

分类报告

无法显示更多数字。格式字符串是硬编码的，请参阅

---

编辑：有一个更新，请看CentAu的答案。

我刚刚遇到这个老问题。 在

分类报告

中确实可以获得更高的精度点。您只需要传入一个

数字

参数

classification_report(y_true, y_pred, target_names=target_names, digits=4)

从：

数字：int 用于格式化输出浮点值的位数

演示：

from sklearn.metrics import classification_report
y_true = [0, 1, 2, 2, 2]
y_pred = [0, 0, 2, 2, 1]
target_names = ['class 0', 'class 1', 'class 2']

print(classification_report(y_true, y_pred, target_names=target_names))

输出：

       precision    recall  f1-score   support

    class 0       0.50      1.00      0.67         1
    class 1       0.00      0.00      0.00         1
    class 2       1.00      0.67      0.80         3

avg / total       0.70      0.60      0.61         5

             precision    recall  f1-score   support

    class 0     0.5000    1.0000    0.6667         1
    class 1     0.0000    0.0000    0.0000         1
    class 2     1.0000    0.6667    0.8000         3

avg / total     0.7000    0.6000    0.6133         5

有4位数字：

print(classification_report(y_true, y_pred, target_names=target_names, digits=4))

输出：

       precision    recall  f1-score   support

    class 0       0.50      1.00      0.67         1
    class 1       0.00      0.00      0.00         1
    class 2       1.00      0.67      0.80         3

avg / total       0.70      0.60      0.61         5

             precision    recall  f1-score   support

    class 0     0.5000    1.0000    0.6667         1
    class 1     0.0000    0.0000    0.0000         1
    class 2     1.0000    0.6667    0.8000         3

avg / total     0.7000    0.6000    0.6133         5

---

谢谢你的回复。真的很有用！