Base

TP (True Positive) :实际为正，预测为正

FP (False Positive):实际为负，预测为正

TN (True Negative): 实际为负，预测为负

FN (False Negative):实际为正，预测为负

精确率和召回率

precision = TP/(TP+FP) recall = TP/(TP+FN) f1_score = 2pr/(p+r) accuracy就是预测正确的占比

所有类别的TP，FP，FN加起来，然后计算precision和recall，以及f1

每个类别单独算出自己的precision、recall、f1，求平均

根据每个类别占比加权求和所有类别的f1score

sklearn.metrics.f1_score(tag, pred, average='weighted')
average可选'weighted'、'micro'、'macro'等