Scikit learn sklearn中的精确性、召回和混淆矩阵问题

我已经在keras培训了一个模型，并做了一些预测。为了评估我的模型的性能，我使用sklearn库计算了精度和召回分数以及混淆矩阵。这是我的代码：

final\u predictions=模型。预测生成器（生成器测试，步骤=每个历元测试的步骤）
如果x的
precision\u得分
和
recall\u得分
的默认
pos\u标签
为
1，则四舍五入的\u pred=[0]

从sklearn.metrics导入混淆矩阵、精度分数、召回分数、分类报告
y_true=[0]*1568+[1]*58
y_pred=[0]*1555+[1]*13+[0]*9+[1]*49
打印（'混淆矩阵：\n'，混淆矩阵（y\u真，y\u pred））
打印（'precision\u score:\n'，precision\u score（y\u true，y\u pred，pos\u label=1））
打印（'recall_score:\n'，recall_score（y_true，y_pred，pos_label=1））
打印（'classification\u report:\n'，classification\u report（y\u true，y\u pred））
混淆矩阵：
[[1555   13]
[   9   49]]
精密度评分：
0.7903225806451613
回忆分数：
0.8448275862068966
分类报告：
精确回忆f1分数支持
0       0.99      0.99      0.99      1568
1       0.79      0.84      0.82        58
微平均值0.99 0.99 0.99 1626
宏平均值0.89 0.92 0.90 1626
加权平均值0.99 0.99 0.99 1626

如果您想获得
label=1
的
precision\u score
和
recall\u score
。您可以设置
pos\u label=0
来设置类别

print（'precision\u score:\n'，precision\u score（y\u true，y\u pred，pos\u label=0））
打印（'recall_score:\n'，recall_score（y_true，y_pred，pos_label=0））
精密度评分：
0.9942455242966752
回忆分数：
0.9917091836734694
您是否尝试过切换
混乱矩阵（）的参数
。在我看来，精度和召回率的计算方法是将49视为真正而不是真负。感谢您的回答，但是设置
python label=0
我得到的召回分数不正确。我得到0.991，应该是0.844。@Negreanu
0.8448
是
label=1
的召回分数。您可以请参见回答中的分类报告。哦，是的！谢谢！
Test confusion matrix :

 [[1555   13]

 [   9   49]]

Precision and recall:

Test Precision :: 0.845
Test Recall :: 0.79