多分类metric的macro-averge与micro-average

macro-average是每个类有相同的权重,precision、recall或f1_score,先求和再除以类别的个数。跟样本的个数没有关系。
在这里插入图片描述
micro-average:
每个样本有相同的权重。
在这里插入图片描述
macro与micro的区别:

  1. 如果各个类别的样本个数相差不的话,macro-average与micro-average相差不大
  2. 如果不同类型样本个数不均衡时,比如有一个类型的样本数据特别多,占到80%以上。如果更注重这个大类的话用micro-averge。如果注重小类别的话用macro-average。
    在这里插入图片描述

使用方法:

from sklearn.metrics import precision_score, recall_score,
  • 2
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值