在Scikit-learn中，可以使用classification_report函數來生成模型評估報告。這個函數可以輸出精確度、召回率、F1值以及支持度等指標。
下面是一個示例代碼，展示如何使用classification_report函數來生成模型評估報告：
from sklearn.metrics import classification_report
# 假設y_true是真實標簽，y_pred是模型的預測結果
y_true = [0, 1, 2, 2, 2]
y_pred = [0, 1, 1, 2, 1]
# 輸出模型評估報告
print(classification_report(y_true, y_pred))
運行以上代碼，會輸出如下的模型評估報告：
precision recall f1-score support
0 1.00 1.00 1.00 1
1 0.50 1.00 0.67 1
2 1.00 0.67 0.80 3
accuracy 0.80 5
macro avg 0.83 0.89 0.82 5
weighted avg 0.90 0.80 0.82 5
在這個報告中，每個類別（0, 1, 2）都有自己的精確度、召回率、F1值和支持度等指標。同時，還會給出整體的精確度、召回率、F1值和支持度等指標。
