classification_report展示了weighted average F1 Score：需要区分类别，计算每个类别的f1-score，对所有类别的f1-score加权平均，权重为类别对应的样本数量占总样本数量的比例

Micro F1 Score：不需要区分类别，直接使用总体样本计算f1-score

Macro F1 Score：需要区分类别，根据每个类别，分别计算P、R、F1-score，将所有类别的f1-score取平均。

Accuracy ：

 

from sklearn.metrics import f1_score
from sklearn.metrics import classification_report
f1_score([0,0,0,0,1,1,1,2,2], [0,0,1,2,1,1,2,1,2],average="micro")
0.5555555555555556
f1_score([0,0,0,0,1,1,1,2,2], [0,0,1,2,1,1,2,1,2],average="macro")
0.546031746031746
print(classification_report([0,0,0,0,1,1,1,2,2], [0,0,1,2,1,1,2,1,2]))
             precision    recall