【分类模型的评估标准】
【准确率】
estimator.score()：一般最常见使用的是准确率，及预测结果正确的百分比
【混淆矩阵】
在分类任务下，预测结果和正确标记之间存在四种不同的组合，构成混淆矩阵（适用于多酚类）
【精确率】
预测结果为正例的样本中，真实为正例的比例（查得准）
【召回率】
真实为正例的样本中，预测结果为正例的比例（查的全，对正样本的区分能力）
【分类模型评估API】
sklearn.metrics.classification_report (y_true, y_predict, target_names = None)
- y_true：真实目标值
- y_predict：估计器预测目标值
- target_names：目标类别名称
- return：每个类别精确率与召回率
