Python 在Sklearn中使用分类报告功能

所以我理解这个函数的工作原理是，它将一个表拆分为两个，然后比较这些值以确定预测率

假设我有一张桌子：

Column1   Column2   Column3   Column4   Column5 
3          2          2          43         0
1          2          2          23         1
5          5          2          56         1
4          3          2          13         0
6          1          2          11         1

"Column 5" is label 0 or 1

我知道前3行是100%正确的，因为我手动为它指定了标签，但第4行和第5行是使用随机森林分类器标记的。我想看看预测率是多少

---

我想使用分类报告（y_true，y_pred，target_names=target_names），我的“y_true”，“y_pred”是什么？我假设target_names=0,1

y_true是样本的真实标签，y_pred是模型的预测。target_name用于为类标签指定自定义名称

分类报告反映了模型的精确度、召回率、f1分数和支持度

示例如sklearn所示

---

例如，类别0的精度为真阳性/真阳性+假阳性，即1/2=0.5

y\u True是样本的真实标签，y\u pred是模型的预测。target_name用于为类标签指定自定义名称

分类报告反映了模型的精确度、召回率、f1分数和支持度

示例如sklearn所示

例如，0类的精度为真阳性/真阳性+假阳性，即1/2=0.5

from sklearn.metrics import classification_report
y_true = [0, 1, 2, 2, 2]
y_pred = [0, 0, 2, 2, 1]
print(classification_report(y_true, y_pred, target_names=target_names))