Spark ML - MulticlassClassificationEvaluator -我们可以通过每个类别标签来获得精确度/召回率吗？

import org.apache.spark.ml.evaluation.MulticlassClassificationEvaluator

// 假设你已经有一个多分类模型的预测结果DataFrame，其中包含了真实标签和预测标签
val predictions = ...

// 创建MulticlassClassificationEvaluator对象
val evaluator = new MulticlassClassificationEvaluator()
  .setLabelCol("label")
  .setPredictionCol("prediction")
  .setMetricName("weightedPrecision") // 设置度量标准为加权精确度

// 计算加权精确度
val precision = evaluator.evaluate(predictions)

// 设置度量标准为加权召回率
evaluator.setMetricName("weightedRecall")

// 计算加权召回率
val recall = evaluator.evaluate(predictions)

// 打印每个类别的精确度和召回率
val labels = predictions.select("label").distinct().collect()
for (label <- labels) {
  evaluator.setMetricName("precision")
  val classPrecision = evaluator.evaluate(predictions.filter($"label" === label(0)))
  evaluator.setMetricName("recall")
  val classRecall = evaluator.evaluate(predictions.filter($"label" === label(0)))
  println(s"类别 ${label(0)} 的精确度为 $classPrecision，召回率为 $classRecall")
}