ตัวเลขในรายงานการจำแนกประเภทของ sklearn หมายถึงอะไร

ฉันมีตัวอย่างด้านล่างที่ดึงมาจากเอกสาร sklearn.metrics.classification_report ของ sklearn

สิ่งที่ฉันไม่เข้าใจคือเหตุผลที่มีค่า f1 คะแนนความแม่นยำและการเรียกคืนค่าสำหรับแต่ละชั้นที่ฉันเชื่อว่าระดับเป็นป้ายตัวทำนาย? ฉันคิดว่าคะแนน f1 บอกคุณถึงความแม่นยำโดยรวมของโมเดล นอกจากนี้คอลัมน์สนับสนุนบอกอะไรเรา ฉันไม่พบข้อมูลใด ๆ

print(classification_report(y_true, y_pred, target_names=target_names))
             precision    recall  f1-score   support

    class 0       0.50      1.00      0.67         1
    class 1       0.00      0.00      0.00         1
    class 2       1.00      0.67      0.80         3

avg / total       0.70      0.60      0.61         5

คะแนน f1 ช่วยให้คุณมีความแม่นยำและความทรงจำที่สอดคล้องกัน คะแนนที่สอดคล้องกับทุกคลาสจะบอกความถูกต้องของลักษณนามในการจำแนกคะแนนข้อมูลในคลาสนั้นโดยเฉพาะเมื่อเปรียบเทียบกับคลาสอื่นทั้งหมด

การสนับสนุนคือจำนวนตัวอย่างของการตอบสนองที่แท้จริงที่อยู่ในชั้นเรียนนั้น

คุณสามารถค้นหาเอกสารเกี่ยวกับมาตรการทั้งสองได้ในเอกสารประกอบ sklearn

การสนับสนุน - http://scikit-learn.org/stable/modules/generated/sklearn.metrics.precision_recall_fscore_support.html

คะแนน F1 - http://scikit-learn.org/stable/modules/generated/sklearn.metrics.f1_score.html

แก้ไข

บรรทัดสุดท้ายให้ค่าเฉลี่ยความแม่นยำการเรียกคืนและคะแนน f1 ที่มีน้ำหนักเป็นค่าการสนับสนุน (0.50*1 + 0.0*1 + 1.0*3)/5 = 0.70ดังนั้นเพื่อความแม่นยำเฉลี่ยคือ ผลรวมสำหรับการสนับสนุนทั้งหมดซึ่งเท่ากับ 5 ที่นี่