sklearn.metrics.classification_report（y_true, y_pred, labels=None, target_names=None, sample_weight=None, digits=2, output_dict=False）
这个函数用于对模型性能进行评估，标准有精确度、召回率、F1-score。
参数：
y_true：1 维数组，真实数据的分类标签
y_pred：1 维数组，模型预测的分类标签
labels：列表，需要评估的标签名称
target_names：列表，指定标签名称
sample_weight：1 维数组，不同数据点在评估结果中所占的权重
digits：评估报告中小数点的保留位数，如果?output_dict=True，此参数不起作用，返回的数值不作处理
output_dict：若真，评估结果以字典形式返回
返回：
字符串或字典类型
精确度：precision，正确预测为正的，占全部预测为正的比例，TP / (TP+FP)
召回率：recall，正确预测为正的，占全部实际为正的比例，TP / (TP+FN)
F1-score：精确率和召回率的调和平均数，2 * precision*recall / (precision+recall)
support:?当前行的类别在测试数据中的样本总量
同时还会给出总体的微平均值，宏平均值和加权平均值。
accuracy：计算正确率 (TP+TN) / (TP＋FP＋FN＋TN)
macro avg：各类的precision，recall，f1加和求平均
weighted avg :对每一类别的f1_score进行加权平均，权重为各类别数在y_true中所占比例
