机器学习/深度学习中，我们经常使用sklearn包中的metrics.classification_report来输出评价指标。本文主要是通过示例方式来记录该函数的常见输入与输出的含义。
示例1
>>> from sklearn.metrics import classification_report
>>> y_true = [0, 3, 2, 2, 1, 1, 4, 3, 2, 4, 1, 0, 0]
>>> y_pred = [0, 3, 1, 2, 1, 2, 4, 3, 2, 2, 1, 3, 0]
>>> print(classification_report(y_true, y_pred))
precision recall f1-score support
0 1.00 0.67 0.80 3
1 0.67 0.67 0.67 3
2 0.50 0.67 0.57 3
3 0.67 1.00 0.80 2
4 1.00 0.50 0.67 2
accuracy 0.69 13
macro avg 0.77 0.70 0.70 13
weighted avg 0.76 0.69 0.70 13
其中，
accuracy表示准确率，也即正确预测样本量与总样本量的比值，即9/13=0.69
macro avg表示宏平均，表示所有类别对应指标的平均值，即
precision = (1.0+0.67+0.5+0.67+1.0)/5=0.77
recall = (0.67+0.67+0.67+1.0+0.5)/5=0.70
f1-score = (0.8+0.67+0.57+0.8+0.67)/5=0.70
weighted avg表示带权重平均，表示类别样本占总样本的比重与对应指标的乘积的累加和，即
precision = 1.0*3/13 + 0.67*3/13 + 0.5*3/13 + 0.67*2/13 + 1.0*2/13=0.76
recall = 0.67*3/13 + 0.67*3/13 + 0.67*3/13 + 1.0*2/13 + 0.5*2/13=0.69
f1-score = 0.8*3/13 + 0.67*3/13 + 0.57*3/13 + 0.8*2/13 + 0.67*2/13=0.70
示例2
>>> from sklearn.metrics import classification_report
>>> label = {0: '科技', 1: '体育', 2: '社会', 3: '娱乐', 4: '股票'}
>>> y_true = [0, 3, 2, 2, 1, 1, 4, 3, 2, 4, 1, 0, 0]
>>> y_pred = [0, 3, 1, 2, 1, 2, 4, 3, 2, 2, 1, 3, 0]
>>> print(classification_report(y_true, y_pred, target_names=['科技', '体育', '社会', '娱乐', '股票']))
precision recall f1-score support
科技 1.00 0.67 0.80 3
体育 0.67 0.67 0.67 3
社会 0.50 0.67 0.57 3
娱乐 0.67 1.00 0.80 2
股票 1.00 0.50 0.67 2
accuracy 0.69 13
macro avg 0.77 0.70 0.70 13
weighted avg 0.76 0.69 0.70 13
示例1跟示例2的区别是示例2加入了target_names参数，该参数的主要作用是将实际的类别与输出id对应起来。
示例3
>>> print(metrics.classification_report(true_y, pred_y, target_names=['体育', '社会', '娱乐', '股票', '科技']))
precision recall f1-score support
体育 1.00 0.67 0.80 3
社会 0.67 0.67 0.67 3
娱乐 0.50 0.67 0.57 3
股票 0.67 1.00 0.80 2
科技 1.00 0.50 0.67 2
accuracy 0.69 13
macro avg 0.77 0.70 0.70 13
weighted avg 0.76 0.69 0.70 13
对比示例2跟示例3，我们可以看到参数target_names中元素的顺序与输出id的大小顺序相同。
示例4
对于classification_report，我们通常会看到如下的输出
>>> import numpy as np
>>> from sklearn.metrics import classification_report
>>> y_true = np.array([[1, 0, 1, 0, 0],
[0, 1, 0, 1, 1],
[1, 1, 1, 0, 1]])
>>> y_pred = np.array([[1, 0, 0, 0, 1],
[0, 1, 1, 1, 0],
[1, 1, 1, 0, 0]])
>>> print(classification_report(y_true, y_pred, digits=3))
precision recall f1-score support
0 1.000 1.000 1.000 2
1 1.000 1.000 1.000 2
2 0.500 0.500 0.500 2
3 1.000 1.000 1.000 1
4 0.000 0.000 0.000 2
micro avg 0.750 0.667 0.706 9
macro avg 0.700 0.700 0.700 9
weighted avg 0.667 0.667 0.667 9
samples avg 0.722 0.639 0.675 9
对比示例1跟示例4两个classification_report函数的输出，我们可以看到，示例1输出的是一个accuracy，外加两个平均值，而示例4输出的是四个平均值。
造成这种不同的原因是示例4是多标签分类，而示例1是一个单标签分类。
关于示例4输出的四个平均值，我们看看官方的解释
average : {'binary', 'micro', 'macro', 'samples','weighted'},
default=None
IfNone, the scores for each class are returned. Otherwise, this
determines the type of averaging performed on the data:
'binary':
Only report results for the class specified bypos_label.
This is applicable only if targets (y_{true,pred}) are binary.
'micro':
Calculate metrics globally by counting the total true positives,
false negatives and false positives.
'macro':
Calculate metrics for each label, and find their unweighted
mean. This does not take label imbalance into account.
'weighted':
Calculate metrics for each label, and find their average weighted
by support (the number of true instances for each label). This
alters 'macro' to account for label imbalance; it can result in an
F-score that is not between precision and recall.
'samples':
Calculate metrics for each instance, and find their average (only
meaningful for multilabel classification where this differs from
:func:accuracy_score).
其中，micro avg、macro avg和weighted avg针对的对象都是label，而samples avg针对的对象则是instance。
label表示示例4中值为1的三个样本中的元素，而instance表示实际的三个样本，具体不同可参考下面四个平均值的计算过程。
说明：classification_report函数的输出结果标签中0、1、2、3、4表示的是每个样本的5列，每列代表一个标签。因此，对于标签0，表示样本中元素处于第一列的1；对于标签1，表示样本中元素处于第一列的1；以此类推。
micro avg表示微平均，表示所有类别中预测正确量与总样本量的比值，即
precision = (2+2+1+1) / 8 = 0.750
recall = (2+2+1+1) / 9 = 0.667
f1-score = 2*precision*recall/(precision+recall) = 0.706
macro avg表示宏平均，表示所有类别对应指标的平均值，即
precision = (1.0+1.0+0.5+1.0+0.0)/5 = 0.700
recall = (1.0+1.0+0.5+1.0+0.0)/5 = 0.700
f1-score = (1.0+1.0+0.5+1.0+0.0)/5 = 0.700
weighted avg表示带权重平均，表示类别样本占总样本的比重与对应指标的乘积的累加和，即
precision = 1.0*2/9 + 1.0*2/9 + 0.5*2/9 + 1.0*1/9 + 0.0*2/9 = 0.667
recall = 1.0*2/9 + 1.0*2/9 + 0.5*2/9 + 1.0*1/9 + 0.0*2/9 = 0.667
f1-score = 1.0*2/9 + 1.0*2/9 + 0.5*2/9 + 1.0*1/9 + 0.0*2/9 = 0.667
samples avg表示带权重平均，表示类别样本占总样本的比重与对应指标的乘积的累加和，即
precision = (1/2 + 2/3 + 3/3) / 3 = 0.722
其中，1/2表示第1行中，标签值为1的预测准确率；2/3表示第二行中标签值为1的预测准确率，以此类推
recall = (1/2 + 2/3 + 3/4) / 3 = 0.639
f1-score = ((2*(1/2)*(1/2))/(1/2+1/2) + (2*(2/3)*(2/3))/(2/3+2/3) + (2*(3/3)*(3/4))/(3/3+3/4)) / 3 = 0.675
其中，f1-score的计算过程中，分别为三个样本中标签值为1的f1值的平均值。
至此，classification_report函数的常见输出结果介绍完成了，在此做个记录，方便自己与他人后续查阅。