classification_report的調用為：classification_report(y_true, y_pred, labels=None, target_names=None, sample_weight=None, digits=2, output_dict=False)
y_true : 真實值
y_pred : 預測值
from sklearn.metrics import classification_report truey = np.array([0,0,1,1,0,0]) prey = np.array([1,0,1,0,0,0]) print(classification_report(truey,prey,target_names=['zhen','jia']))
1）fraction of true positives/false positive/false negative/true negative
True Positive （真正, TP）被模型預測為正的正樣本；
True Negative（真負 , TN）被模型預測為負的負樣本 ；
False Positive （假正, FP）被模型預測為正的負樣本；
False Negative（假負 , FN）被模型預測為負的正樣本；
2）precision/recall，准確率和召回率
系統檢索到的相關文檔（Ａ）
系統檢索到的不相關文檔（Ｂ）
相關但是系統沒有檢索到的文檔（Ｃ）
不相關但是被系統檢索到的文檔（Ｄ）
召回率Ｒ：R=A/(A+C)
精度Ｐ： P=A/(A+B).
3）F1-score
F1分數可以看作是模型准確率和召回率的一種加權平均，它的最大值是1，最小值是0。
