我有一个数据集，希望使用sklearn.linear_model.LogisticRegression()进行多类分类。拟合模型后，我希望获得交叉验证的每一折叠的每个类的精密度，召回率和f1分数。
根据文档，存在MySQL Connector/NET documentation，我可以在其中提供average=None作为参数来获取每个类的精度，调用率和fscore。
存在sklearn.metrics.precision_recall_fscore_support()，在其中可以在scoring参数中提供自定义函数。但是，该函数必须返回一个数字。就我而言，我希望返回一个列表，这是不可能的。
还存在sklearn.model_selection.cross_val_score()，在其中可以为scoring参数提供多个函数作为列表。这将需要我创建3*NUMBER_OF_CLASSES个不同的函数，并将它们传递给scoring参数。
有没有更简单的方法？