我们使用 sklearn.metric.classification_report 工具对模型的测试结果进行评价时，会输出如下结果：（表格）
0 precision recall f1-score support
0 0.99 0.99 0.99 155
1 0.90 0.82 0.86 11
accuracy 0.98 166
macro avg 0.94 0.91 0.92 166
weighted avg 0.98 0.98 0.98 166
micro avg、macro avg 和weighted avg 的计算方式。
1、宏平均 macro avg:
对每个类别的 精准、召回和F1 加和求平均。
精准 macro avg=(P_no+P_yes)/2=（0.24+0.73）/2 = 0.48
2、微平均 micro avg:
不区分样本类别，计算整体的 精准、召回和F1
精准 macro avg=(P_nosupport_no+P_yessupport_yes)/(support_no+support_yes)=(0.247535+0.73)/(7535+22462)=0.45
3、加权平均 weighted avg：
是对宏平均的一种改进，考虑了每个类别样本数量在总样本中占比
精准 weighted avg =P_no*（support_no/support_all）+ P_yes*（support_yes/support_all =0.24*(7525/29997)+0.73*(22462/29997)=0.61
support：支持度，即数据中实际类别个数。