Sklearn 机器学习 IRIS数据 理解分类报告

💖亲爱的技术爱好者们，热烈欢迎来到 Kant2048 的博客！我是 Thomas Kant，很开心能在CSDN上与你们相遇～💖

本博客的精华专栏：
【自动化测试】 【测试经验】 【人工智能】 【Python】

Sklearn 机器学习 IRIS 数据分类报告解读

鸢尾花（Iris）数据集是机器学习入门中最经典的分类问题。很多初学者完成建模之后，看到 classification_report 报表中的 precision、recall、f1-score 却一头雾水。

本文带你深入理解这份报告背后的意义和使用方式，并通过可视化与样例代码，帮助你真正掌握模型评估的核心指标。

🌸 一、IRIS 数据集简介

鸢尾花数据集包含 150 条样本，特征如下：

• sepal length（花萼长度）
• sepal width（花萼宽度）
• petal length（花瓣长度）
• petal width（花瓣宽度）

目标变量是分类标签，共 3 种鸢尾花：

• setosa
• versicolor
• virginica

from sklearn.datasets import load_irisiris = load_iris()
print(iris.feature_names)
print(iris.target_names