những con số trong báo cáo phân loại của sklearn có nghĩa là gì?

Tôi có một ví dụ dưới đây mà tôi đã lấy từ tài liệu sklearn.metrics. Classification_Vport của sklearn.

Điều tôi không hiểu là tại sao lại có các giá trị F1, độ chính xác và thu hồi cho mỗi lớp mà tôi tin rằng lớp là nhãn dự đoán? Tôi nghĩ rằng điểm số F1 cho bạn biết độ chính xác tổng thể của mô hình. Ngoài ra, cột hỗ trợ cho chúng ta biết điều gì? Tôi không thể tìm thấy bất kỳ thông tin về điều đó.

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

Điểm số F1 cung cấp cho bạn ý nghĩa hài hòa của độ chính xác và thu hồi. Điểm số tương ứng với mỗi lớp sẽ cho bạn biết độ chính xác của trình phân loại trong việc phân loại các điểm dữ liệu trong lớp cụ thể đó so với tất cả các lớp khác.

Sự hỗ trợ là số lượng mẫu của phản ứng thực sự nằm trong lớp đó.

Bạn có thể tìm tài liệu về cả hai biện pháp trong tài liệu sklearn.

Hỗ trợ - http://scikit-learn.org/urdy/modules/generated/sklearn.metrics.precision_recall_fscore_support.html

Điểm F1 - http://scikit-learn.org/urdy/modules/generated/sklearn.metrics.f1_score.html

CHỈNH SỬA

Dòng cuối cùng cho trung bình chính xác, thu hồi và điểm số F1 trong đó các trọng số là các giá trị hỗ trợ. Vì vậy, để chính xác avg là (0.50*1 + 0.0*1 + 1.0*3)/5 = 0.70. Tổng số chỉ dành cho tổng số hỗ trợ là 5 ở đây.