cosa significano i numeri nel rapporto di classificazione di sklearn?

Ho un esempio che ho tratto dalla documentazione sklearn.metrics.classification_report di sklearn.

Quello che non capisco è perché ci sono valori di f1, precisione e valori di richiamo per ogni classe in cui credo che la classe sia l'etichetta predittore? Ho pensato che il punteggio f1 ti dicesse l'accuratezza complessiva del modello. Inoltre, cosa ci dice la colonna di supporto? Non sono riuscito a trovare informazioni al riguardo.

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

Il punteggio f1 ti dà la media armonica di precisione e richiamo. I punteggi corrispondenti ad ogni classe ti diranno l'accuratezza del classificatore nella classificazione dei punti dati in quella particolare classe rispetto a tutte le altre classi.

Il supporto è il numero di campioni della vera risposta che si trovano in quella classe.

Puoi trovare la documentazione su entrambe le misure nella documentazione di sklearn.

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

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

MODIFICARE

L'ultima riga fornisce una media ponderata di precisione, richiamo e punteggio f1 in cui i pesi sono i valori di supporto. quindi per precisione l'avg è (0.50*1 + 0.0*1 + 1.0*3)/5 = 0.70. Il totale è solo per il supporto totale che è 5 qui.