您需要添加
'average'参数。根据文档：
平均值： 字符串，[无，“二进制”（默认），“微”，“宏”，“样本”，“加权”]
对于多类/多标签目标，此参数是必需的。如果为
None，则返回每个班级的分数。否则，这将确定对数据执行的平均类型：
做这个：
print("Precision Score : ",precision_score(y_test, y_pred,pos_label='positive' average='micro'))print("Recall Score : ",recall_score(y_test, y_pred,pos_label='positive' average='micro'))替换
'micro'为以上任一选项
'binary'。同样，在多类设置中，不需要提供，
'pos_label'因为无论如何它将被忽略。
更新评论：
是的，它们可以相等。它在用户指南中给出：
请注意，对于包含所有标签的多类设置中的“微”平均，将产生相等的精度，召回率和F，而“加权”平均可能产生不在精度和召回率之间的F分数。
