classification_report()当我在我的 2-classy和上运行 scikit-learn时yhat，我得到以下信息：
precision recall f1-score support
0 0.84 0.97 0.90 160319
1 0.67 0.27 0.38 41010
accuracy 0.82 201329 <--- WHAT?
macro avg 0.75 0.62 0.64 201329
weighted avg 0.80 0.82 0.79 201329
我了解F1，宏观平均F1等。但是列accuracy下0.82的值是f1-score多少？
我已经阅读了有关此功能的其他问题：
我告诉你这是一种显示数据的奇怪方式，但准确性是唯一不适合模式的字段。例如：
precision recall f1-score support
0 0.84 0.97 0.90 160319
1 0.67 0.27 0.38 41010
如如何解释 scikit-learn 的分类报告中所述？，准确率、召回率、f1-score 和支持率只是您的二元分类问题的两个类别的指标。
表的第二部分：
accuracy 0.82 201329 <--- WHAT?
macro avg 0.75 0.62 0.64 201329
weighted avg 0.80 0.82 0.79 201329
准确度是模型的整体准确度（请注意，准确度不是相对于某个类的度量，而是跨所有类的性能）。准确率和召回率的宏观平均值只是这两个类别的调和平均值。IE：
recall macro avg = (recall_class_1 + recall_class_0) / 2
加权平均值只是由支持/样本大小加权的两个类别的平均指标。IE：
recall weighted avg = (support_class_0 * recall_class_0 + support_class_1 * recall_class_1) / (support_class_0 + support_class_1)
这是一种相当冗长的说法，即准确度就是整体准确度。它与它恰好位于的 f1-score 列无关。