在Scikit-learn中，可以使用classification_report函数来生成模型评估报告。这个函数可以输出精确度、召回率、F1值以及支持度等指标。
下面是一个示例代码，展示如何使用classification_report函数来生成模型评估报告：
from sklearn.metrics import classification_report # 假设y_true是真实标签，y_pred是模型的预测结果 y_true = [0, 1, 2, 2, 2] y_pred = [0, 1, 1, 2, 1] # 输出模型评估报告 print(classification_report(y_true, y_pred)) 运行以上代码，会输出如下的模型评估报告：
precision recall f1-score support 0 1.00 1.00 1.00 1 1 0.50 1.00 0.67 1 2 1.00 0.67 0.80 3 accuracy 0.80 5 macro avg 0.83 0.89 0.82 5 weighted avg 0.90 0.80 0.82 5 在这个报告中，每个类别（0, 1, 2）都有自己的精确度、召回率、F1值和支持度等指标。同时，还会给出整体的精确度、召回率、F1值和支持度等指标。
