工作中用到多分类评估，这里将用到的东西记录一下
1.通过sklearn.metrics模块可以计算许多常用的评估指标
partA
1. accuracy
accuracy_score(y_tru,y_pre)
预测正确的样本数/所有样本数
2.precision
precision_score(y_tru,y_pre,average = None)
此时返回所有类别的查准率构成的数组,平均方式还可以选择micro，macro等
3.recall
recall_score(y_tru,y_pre,average = None)
4.f1
f1_score(y_tru,y_pre,average = None)
partB
对于多分类问题，上述指标有以下平均方式
宏平均（Macro-averaging）和微平均（Micro-averaging）
宏平均（Macro-averaging），是先对每一个类统计指标值，然后在对所有类求算术平均值。（没有考虑到样本类别不平衡问题）
（5）
（6）
（7）
（8）
微平均（Micro-averaging），是对数据集中的每一个实例不分类别进行统计建立全局混淆矩阵，然后计算相应指标。
（9）
（10）
（11）