机器学习classification_report()用法及micro avg、macro avg讲解

以使用GBDT进行二分类为例介绍，示例代码如下：

support:
例：support 为1270代表y_test中class 0这一类的总数为1270.
micro avg:
微平均是分类正确的样本数与分类所有样本数的比值，即：
micro avg = (TP + FP) / (TP + TN + FP + FN)
例：示例中 micro avg =（0.96 * 1207 + 0.62 * 549）/（1207 + 549） =0.85
macro avg:
宏平均是所有类的F1值的算术平均(设 β= 1)
F1（class 0） = 0.85 * 0.96 / (0.85 + 0.96) ≈ 0.451
F1（class 1） = 0.88 * 0.62 / (0.88 + 0.62) ≈ 0.364
macro avg = 1/2 *（F1（class 0）+ F1(class 1)）