cm = confusion_matrixlabels predsclasses = datasetclassescm_df = pdDataFramecm index=classes columns=classes # 保存为CSV文件cm_dfto_csvconfusion_matrixcsv生成confusion_matrixcsv以后根据这个csv文件计算每个类别的精度保存到另一个csv文

可以使用sklearn.metrics中的classification_report函数来计算每个类别的精度、召回率和F1分数，并将结果保存到另一个CSV文件中。以下是一个示例代码：

from sklearn.metrics import classification_report

# 读取confusion_matrix.csv文件
cm_df = pd.read_csv("confusion_matrix.csv", index_col=0)

# 计算精度、召回率和F1分数
report = classification_report(cm_df.index, cm_df.columns, output_dict=True)

# 将结果保存到另一个CSV文件
result_df = pd.DataFrame(report).transpose()
result_df.to_csv("classification_report.csv")

这样会生成一个名为classification_report.csv的文件，其中第一列为类别名称，第二列为精度，第三列为召回率，第四列为F1分数