from sklearn.metrics import classification_report, confusion_matrix
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.datasets import make_classification# 生成示例分類數據
# n_samples: 樣本數量, n_features: 特征數量, n_classes: 類別數量
X, y = make_classification(n_samples=1000,  # 1000個樣本n_features=20,   # 20個特征n_classes=2,     # 二分類問題random_state=42  # 隨機種子，保證結果可重現
)
print("示例數據：")
print(X, y)# 將數據分為訓練集和測試集
# test_size=0.2: 20%數據作為測試集，80%作為訓練集
# random_state=42: 固定隨機種子，確保每次分割結果相同
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42
)# 創建并訓練一個隨機森林分類器
# n_estimators: 樹的數量, random_state: 隨機種子
model = RandomForestClassifier(n_estimators=100, random_state=42)
model.fit(X_train, y_train)  # 使用訓練數據擬合模型# 分類模型評估
y_pred = model.predict(X_test)  # 使用模型對測試集進行預測# 輸出分類報告：包含precision(精確率)、recall(召回率)、f1-score和support(支持數)
print("分類報告：")
print(classification_report(y_test, y_pred))# 輸出混淆矩陣：展示預測結果與實際結果的對比
print("混淆矩陣：\n", confusion_matrix(y_test, y_pred))

1. 導入必要的庫：

   • classification_report?和?confusion_matrix?用于模型評估
   • train_test_split?用于分割訓練集和測試集
   • RandomForestClassifier?是我們使用的分類模型
   • make_classification?用于生成示例數據

2. 生成示例數據：

   • 使用?make_classification?生成 1000 個樣本，每個樣本有 20 個特征
   • 這是一個二分類問題（n_classes=2）
   • random_state=42?確保每次運行生成相同的數據，便于結果重現

3. 分割數據集：

   • 將數據分為訓練集（80%）和測試集（20%）
   • 訓練集用于模型訓練，測試集用于評估模型性能

4. 創建并訓練模型：

   • 使用隨機森林分類器，包含 100 棵決策樹
   • fit?方法用于訓練模型，接收訓練數據（X_train）和對應的標簽（y_train）

5. 模型預測與評估：

   • model.predict(X_test)?用訓練好的模型對測試集進行預測，得到預測標簽 y_pred
   • classification_report?計算并打印分類指標：
     • precision（精確率）：預測為正的樣本中實際為正的比例
     • recall（召回率）：實際為正的樣本中被正確預測的比例
     • f1-score：精確率和召回率的調和平均
     • support：每個類別的實際樣本數量

     • accuracy（準確率）

       • 含義：所有預測中正確預測的比例
       • 計算公式：(TP + TN) / (TP + TN + FP + FN)
       • 解讀：直觀反映模型的整體正確率，但在類別不平衡時可能有誤導性（例如 99% 樣本是正類，模型全預測為正類也能達到 99% 準確率）

     • macro avg（宏平均）

       • 含義：先計算每個類別的指標（精確率、召回率、F1 分數），再取簡單平均值（不考慮類別樣本數量）
       • 特點：對所有類別一視同仁，無論每個類別的樣本數量多少
       • 適用場景：希望平等關注每個類別（尤其是小樣本類別）的場景

     • weighted avg（加權平均）

       • 含義：先計算每個類別的指標，再根據每個類別的樣本數量（support）進行加權平均
       • 特點：樣本數量多的類別對結果影響更大
       • 適用場景：類別不平衡時，更能反映模型在整體數據上的表現

總結：優先看?accuracy?了解整體表現，類別不平衡時，weighted avg?比?macro avg?更有參考價值，關注小類別表現時，需重點看該類別的單獨指標而非宏平均

• confusion_matrix?展示混淆矩陣，直觀顯示各類別預測正確和錯誤的數量
  • 
  • TP（True Positive）：真實為正例，預測也為正例（正確預測）
  • FN（False Negative）：真實為正例，預測為負例（漏檢）
  • FP（False Positive）：真實為負例，預測為正例（誤檢）
  • TN（True Negative）：真實為負例，預測也為負例（正確預測）

? ?總結：??從混淆矩陣中能獲取的關鍵信息：模型的錯誤類型是漏檢（FN）多還是誤檢（FP）多。類別預測的穩定性，若某一類別的對角線元素（TP/TN）占比低，說明模型對該類的預測效果差。