关于宏平均、微平均、加权平均

最近用学了下pytorch ，简单写了一个文本分类的小实验。

指标使用了sklearn，为了加深印象。搜索了一下宏平均、微平均、加权平均的定义。

来源：https://blog.csdn.net/weixin_43090631/article/details/107208216

对于 精准率（precision ）、召回率（recall）、f1-score，他们的计算方法很多地方都有介绍，这里主要讲一下micro avg、macro avg 和weighted avg 他们的计算方式。

1、宏平均 macro avg:

对每个类别的 精准、召回和F1 加和求平均。

精准 macro avg=(P_no+P_yes)/2=（0.24+0.73）/2 = 0.48

2、微平均 micro avg:

不区分样本类别，计算整体的 精准、召回和F1

精准 macro avg=(P_no*support_no+P_yes*support_yes)/(support_no+support_yes)=(0.24*7535+0.73*)/(7535+22462)=0.45

3、加权平均 weighted avg：

是对宏平均的一种改进，考虑了每个类别样本数量在总样本中占比

精准 weighted avg =P_no*（support_no/support_all）+ P_yes*（support_yes/support_all =0.24*(7525/29997)+0.73*(22462/29997)=0.61

标签：加权,no,support,关于,yes,avg,平均,精准
来源： https://www.cnblogs.com/nlpers/p/15705592.html