问不平衡类classification_report支持值的表示

EN

我有一个不平衡的数据集，我正在尝试进行二进制分类。最后，我使用了几种算法，CatBoostClassifier和lightgbm给了我比较好的结果。关于classification_report和confusion_matrix，我有一个问题要问。

从我的classification_report：-True Negatives：1076，-False Positives：0，-False Negatives：1，-True Positives：6可以看出。

Sensitivity：0.86和Specificity 1.00，这意味着我的false positive rate为0.0。

我认为它确实表现得很好。

从classification_report中，它是否告诉你，我的模型可能已经安装过了，或者它确实表现得很好？

我之所以这样问，是因为1类的1(数量较少)是7，而0类是1076。

link说：“支持的是该类中真正响应的样本数。”但我不太明白重点。

有人能向我解释，或者让我知道我的算法是否太适合或者表现得很好吗？

标签比率：

0    5550
1      60

分类报告

              precision    recall  f1-score   support

         0.0       1.00      1.00      1.00      1076
         1.0       1.00      0.86      0.92         7

    accuracy                           1.00      1083
   macro avg       1.00      0.93      0.96      1083
weighted avg       1.00      1.00      1.00      1083

混淆矩阵：

[[1076    0]
 [   1    6]]