【深度学习实战（53）】classification_report()

classification_report()是python在机器学习中常用的输出模型评估报告的方法。

classification_report()函数介绍
classification_report()语法如下：classification_report(
         y_true,
         y_pred,
         labels=None,
         target_names=None,
         sample_weight=None,
         digits=2,
         output_dict=False,
         zero_division=“warn”
)

使用示例

from sklearn.metrics import classification_report

# 测试集真实数据
y_test = [1, 2, 3, 1, 2, 3, 1, 2, 3]
# 预测结果
y_predicted = [1, 2, 3, 3, 2, 1, 3, 2, 3]
 

以这两行数据为例，不难直接看出，
预测中预测了

• 2次1标签，成功1次，1标签预测的准确率率为0.5
• 3次2标签，成功3次，2标签预测的准确率为1.0
• 4次3标签，成功2次，3标签预测的准确率为0.5

print(classification_report(y_test, y_predicted))

也可以加上target_names参数，效果如下：

如图左边显示出了新传入的标签名。

print(classification_report(y_test, y_predicted, target_names=['a类', 'b类', 'c类']))