一文读懂多分类的评价指标（微平均、宏平均、加权平均）

最新推荐文章于 2025-03-26 16:37:04 发布
最新推荐文章于 2025-03-26 16:37:04 发布
阅读量3.9k 收藏 30
点赞数 6
分类专栏： 机器学习 深度学习 文章标签： 分类 算法 人工智能 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_42127358/article/details/125412347
版权
这篇博客介绍了在多分类任务中常用的评价指标，包括宏平均、微平均和加权平均方法。宏平均对每个类别的指标取平均，平等对待所有类别；微平均则是对所有样本统一计算，更关注总体表现；加权平均根据类别样本数调整权重。选择合适的平均方式取决于是否重视稀有类别。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

做CRF的时候会碰到多分类下的评价指标，记录一下
二分类的情况下可以参考二分类评价标准

以一个三分类举例

三分类的混淆矩阵如下
在这里插入图片描述

  • 对于猫来说
    recall(猫) = 4/6 = 0.66
    precision(猫) = 4/(4+6+3) = 0.3076
  • 对于鱼来说
    recall(鱼) = 2/10= 0.2
    precision(鱼) = 2/3 = 0.66
  • 对于鸡来说
    recall(鸡) = 6/9 = 0.66
    precision(鸡) = 6/9 = 0.66

Macro-average 宏平均

该方法最简单，直接将不同类别的评估指标（Precision/ Recall/ F1-score）加起来求平均，给所有类别相同的权重。该方法能够平等看待每个类别，但是它的值会受稀有类别影响，会更加关注类别少的样本。

  • recall
    recal = (recall(猫) +recall(鱼) +recall(鸡) )/3 = （0.66+0.2+0.66）/3
  • precision
    precision= (precision(猫) +precision(鱼) +precision(鸡) )/3 = （0.3076+0.66+0.66）/3

Micro-average 微平均

该方法把每个类别的TP, FP, FN先相加之后，在根据二分类的公式进行计算。（分子是分子之和 分母是分母之和）

  • recall
    recall = (4+2+6)/(6+10+9) = 0.48
  • precision
    precision = (4+2+6)/(4+6+3+3+9) = 0.48

Micro-average下，多分类的accuracy，recall和precision会相同，这不是个例 。

Weighted 加权平均

  • 计算比例
    猫 = （6）/(6+10+9) = 0.24
    鱼 = （10）/(6+10+9）= 0.4
    鸡 = （9）/(6+10+9) = 0.36
  • recall
    0.660.24+0.20.4+0.66*0.36 = 0.476
  • precision
    0.30760.24+0.660.4+0.66*0.36 = 0.5754

结论

  • 如果看重样本数量多的class,推荐微平均
  • 如果看重样本数量少的class,推荐宏平均
  • 如果微平均 远 低于宏平均，需要注意样本量多的class
  • 如果微平均 远 gao 宏平均，需要注意样本量少的class
一文读懂「RLHF」基于人类反馈的进行强化学习
女王の专属领地
01-18 3万+
RLHF就是基于人类反馈（Human Feedback）对语言模型进行强化学习（Reinforcement Learning），和一般的fine-tune过程乃至prompt tuning自然也不同。多种策略产生样本并收集人类反馈训练奖励模型训练强化学习策略，微调 LM首先需要一个预训练语言模型，通过大量的语料去训练出基础模型，对于ChatGPT来说就是GPT-3。还有一个可选的Human Augmented Text,又叫Fine-tune。
一文读懂「Prompt Engineering」提示词工程 进阶版
女王の专属领地
08-20 4570
大白话讲背景：AI并不像人类那样拥有自主的常识和生活经验，它依赖于提示词提供的上下文信息。这意味着，提示词越清晰、越具体，AI越能理解你的意图。一句话定义：设计有效的提示词，以指导模型，执行期望任务的方法被称为提示工程。核心要素指令：想要模型执行的特定任务或指令。上下文：包含外部信息或额外的上下文信息，引导语言模型更好地响应。输入数据：用户输入的内容或问题。输出指示：指定输出的类型或格式。设计原则编写清晰、具体的指令；使用分隔符清晰地表示输入的不同部分，分隔符可以是：```，”“，，:， 等；
宏平均（macro avg）、微平均（micro avg）、加权平均（weighted avg)、精度（precision）、召回率recall、f1score、confusion matrix
咖乐部
11-04 8643
分类任务： 宏平均：对类的平均。有两类，直接 （0.24+0.73）/2 = 0.45 微平均：对每个样本的平均。样本总数有7535+22462个 ：0.24*7535+0.73*22462 加权平均：考虑了权重的宏平均。0.24*（7535/29997）+0.73*（22462/29997） 分类问题的几个评价指标（Precision、Recall、F1-Score、Micro-F1、Macro-F1）：https://blog.csdn.net/sinat_28576553/ar..
多分类算法的评估指标
taon1607的博客
07-02 9099
在以往的分类问题求解当中，我们遇到的问题多为二分类问题，我们常用的评估指标有accuracy, precision, recall_score, f1-score, roc_auc_score等。但是在实际生活中，多分类问题也是大量存在的。这一小节，我们就详细的说明一下多分类问题的评估指标。 我们先来看一下sklearn库中的二分类的评估指标，以recall_score为例。在recall_score方法中，有一个很重要的参数’average’，它的默认值为’binary’。当在默认参数的情况，该评估方法
​macro-F1（宏平均F1）​和micro-F1（微平均F1）
最新发布
编程小栈
03-26 942
在机器学习中，​macro-F1（宏平均F1）​和micro-F1（微平均F1）​是两种评估多分类任务性能的指标。它们的核心区别在于对各类别的权重分配方式不同，适用于不同的场景需求。用Macro-F1： 当类别不平衡​（如医疗诊断中的罕见病），且需要平等评估每个类别的表现时。 ​用Micro-F1： 当类别相对平衡​（如新闻分类），且更关注整体的准确率（尤其是大类样本的预测效果）。
多类分类(Multi-label classification)性能评价之宏平均(macro-average)与微平均(micro-average)
疯子的专栏
07-16 1万+
通常，我们在评价classifier的性能时使用的是accuracy 考虑在多类分类的背景下 accuracy = (分类正确的样本个数) / (分类的所有样本个数) 这样做其实看上去也挺不错的，不过可能会出现一个很严重的问题：例如某一个不透明的袋子里面装了1000台手机，其中有600台iphone6, 300台galaxy s6, 50台华为mate7,50台mx4(当然，这些信息分类器是
多分类评估指标
woshisunwen的博客
12-13 1万+
多分类指标的情况 Softmax 二分类和多分类其实没有多少区别。用的公式仍然是y=wx + b。 但有一个非常大的区别是他们用的激活函数是不同的。 逻辑回归用的是sigmoid，这个激活函数的除了给函数增加非线性之外还会把最后的预测值转换成在【0,1】中的数据值。也就是预测值是0<y<1。 我们可以把最后的这个预测值当做是一个预测为正例的概率。在进行模型应用的时候我们会设置一个阈...
多分类下的评价指标：准确率，精确率，召回率，F1，ROC，AUC
Spanish_pie的博客
11-01 4162
在实际的数据集中经常会出现类不平衡（class imbalance）现象，即负样本比正样本多很多（或者相反），而且测试数据中的正负样本的分布也可能随着时间变化。当False Positive (FP)的成本代价很高 (后果很严重)时，即期望尽量避免产生FP时，应该着重考虑提高Precision指标。ROC 曲线越陡越好，所以理想值就是 1，一个正方形，而最差的随机判断都有 0.5，所以一般 AUC 的值是介于 0.5 到 1 之间的。为了更好的表征学习器在精确率和召回率的性能度量，引入 F1 值。
二分类、多分类、多标签分类的评价指标
LiuRuiaby35646的博客
07-29 6095
每个样本只能属于两个类别中的一个每个样本只能属于多个类别中的一个。准确率是正确分类的样本数占总样本数的比例。精确率是模型正确预测的正类样本数占所有预测为正类的样本数的比例。召回率是模型正确预测的正类样本数占所有实际为正类的样本数的比例。F1分数是精确率和召回率的调和平均数。混淆矩阵是一个表格，用于描述模型预测结果的表现。ROC AUC 是 ROC 曲线下的面积，衡量模型的分类性能分类报告汇总了精确率、召回率和 F1 分数等指标。
分类问题的评价指标：多分类【Precision、 micro-P、macro-P】、【Recall、micro-R、macro-R】、【F1、 micro-F1、macro-F1】
热门推荐
u013250861的博客
02-20 3万+
一、混淆矩阵 对于二分类的模型，预测结果与实际结果分别可以取0和1。我们用N和P代替0和1，T和F表示预测正确和错误。将他们两两组合，就形成了下图所示的混淆矩阵（注意：组合结果都是针对预测结果而言的）。 由于1和0是数字，阅读性不好，所以我们分别用P和N表示1和0两种结果。变换之后为PP，PN，NP，NN，阅读性也很差，我并不能轻易地看出来预测的正确性与否。因此，为了能够更清楚地分辨各种预测情况是否正确，我们将其中一个符号修改为T和F，以便于分辨出结果。 P（Positive）：代表 1 N（Negat
一文读懂 微内核
bjxiaxueliang的CODING茶馆
05-14 2017
2019年8月9日华为 余承东 发布HarmonyOS 1.0，HarmonyOS的发布将一个计算机领域内非常专业的词带到了广大公众的视线内，这就是 微内核 。
一文读懂xgboost,lightgbm分类评价指标precison/recall/TP/FP/TN/FN与阈值threshold的选取
weixin_44625028的博客
03-04 5163
二分类的阈值threshold如何选择
使用sklearn对多分类的每个类别进行指标评价操作
09-16
主要介绍了使用sklearn对多分类的每个类别进行指标评价操作，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
一文读懂「MLLM，Multimodal Large Language Model」多模态大语言模型
女王の专属领地
01-09 6277
模态是事物的一种表现形式，多模态通常包含两个或者两个以上的模态形式，是从多个视角出发对事物进行描述。生活中常见多 模态表示，例如传感器的数据不仅仅包含文字、图像，还可以包括与之匹配的温度、深度信息等。使用多模态数据能够使得事物呈现更加立体、全面，多模态研究成为当前研究重要方面，在情感分析、机器翻译、自然语言处理 和生物医药前沿方向取得重大突破。MLLM通常以大语言模型(Large Language Model，LLM)为基础，融入其它非文本的模态信息，完成各种多模态任务。MLLM定义为“
【分类模型评价】宏平均（macro avg）、微平均(micro avg)和加权平均(weighted avg)
Joker 007的博客
02-14 1万+
当我们使用 sklearn.metric.classification_report 工具对模型的测试结果进行评价时，会输出如下结果： 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)
多分类衡量指标
苏打水的杯子的博客
09-03 2857
1、sensitive(灵敏度又称TPR): TP/（TP+FN） 所有正样本中被分对的比例，衡量了分类器对正例的识别能力。 2、specificity(特效度又称TNR)：TN/(TN+FP) 所有负样本被分对的比例，衡量了分类器对负例的识别能力。 3、accuracy（正确率）：（TP+TN）/(TP+TN+FP+FN) 被分对的样本数除以所有样本的总数，值越高分类器的识别能力越强。 T...
多标签分类的评价指标
wjj5881005的专栏
11-29 2万+
\quad当前，已有大量的有关多标签分类的评价指标（evaluation metrics）。一般而言，可以分为两大类：（1）一是称为document-pivoted（也可以称为instance-based或者example-based），顾名思义，就是为每个测试文档预测标签；（2）第二类是label-pivoted（也成为label-based），这一类主要聚焦于为每个标签预测文档。每一类又可以包含
多分类评测标准
weixin_30700977的博客
03-05 329
转载于:https://www.cnblogs.com/wuxiangli/p/10478097.html
宏平均F1分数
03-12
<think>好的，我需要解释宏平均F1分数（macro-average F1 score）的定义和计算方法。首先，我应该回忆一下F1分数的基础知识。F1分数是精确率（Precision）和召回率（Recall）的调和平均数，常用于分类模型的评估，尤其是在数据不平衡的情况下。公式是$F1 = 2 \times \frac{Precision \times Recall}{Precision + Recall}$。 接下来是宏平均的概念。宏平均指的是对每个类别单独计算评估指标，然后取这些值的算术平均。这意味着对于多分类问题中的每一个类别，先计算其F1分数，再将这些F1分数平均起来得到宏平均F1。例如，如果有三个类别A、B、C，各自的F1分别是0.8、0.7、0.9，那么宏平均F1就是$(0.8 + 0.7 + 0.9)/3 = 0.8$。 然后，我需要对比宏平均和其他平均方法的不同，比如微平均（micro-average）。微平均是先将所有类别的TP、FP、FN分别相加，再用总体的TP、FP、FN计算一个单一的精确率、召回率和F1。例如，如果有三个类别，每个类别的TP、FP、FN分别为（5,2,3）、（3,1,4）、（4,3,2），那么微平均的精确率是总TP/(总TP+总FP) = (5+3+4)/(5+3+4+2+1+3)，然后计算微F1。这种情况下，宏平均和微平均的结果可能不同，尤其是在类别不平衡时，宏平均更关注每个类别的平等贡献，而微平均受大类别影响更大。 另外，需要举例说明计算步骤。假设一个三分类问题，每个类别的混淆矩阵如下： 对于类别1： TP=10，FP=5，FN=2 Precision=10/(10+5)=0.6667 Recall=10/(10+2)=0.8333 F1=2*(0.6667*0.8333)/(0.6667+0.8333)=0.7407 类别2： TP=15，FP=3，FN=5 Precision=15/(15+3)=0.8333 Recall=15/(15+5)=0.75 F1=2*(0.8333*0.75)/(0.8333+0.75)=0.7895 类别3： TP=8，FP=2，FN=4 Precision=8/(8+2)=0.8 Recall=8/(8+4)=0.6667 F1=2*(0.8*0.6667)/(0.8+0.6667)=0.7273 宏平均F1=(0.7407 + 0.7895 + 0.7273)/3 ≈ 0.7525。 同时，需要强调宏平均适用于所有类别重要性相同的情况，而微平均更关注整体性能。比如在医疗诊断中，每个疾病类别都很重要，可能需要用宏平均；而在用户评论情感分析中，如果正面和负面评论数量差异大，可能需要根据需求选择。 最后，确保引用了相关资料，比如分类指标中的宏平均和微平均的区别[^1]，以及如何根据问题选择合适的评估指标[^2]。</think>### 宏平均F1分数（Macro-average F1 Score）的定义与计算 **定义** 宏平均F1分数是多分类任务中常用的评估指标，其核心思想是**平等对待每个类别**，先为每个类别单独计算F1分数，再对所有类别的F1分数取算术平均。这种方法在类别不平衡（class imbalance）时能更公平地反映模型对每个类别的分类能力。 --- #### **计算步骤** 1. **逐类计算F1分数** - 精确率（Precision）：$Precision = \frac{TP}{TP + FP}$ - 召回率（Recall）：$Recall = \frac{TP}{TP + FN}$ - F1分数：$F1 = 2 \times \frac{Precision \times Recall}{Precision + Recall}$ - 其中，TP（真正例）、FP（假正例）、FN（假负例）需针对每个类别单独统计。 2. **取算术平均** 将每个类别的F1分数相加后除以类别总数： $$Macro\text{-}F1 = \frac{1}{N} \sum_{i=1}^{N} F1_i$$ --- #### **示例** 假设三分类任务的混淆矩阵如下： | 类别 | TP | FP | FN | |------|-----|-----|-----| | A | 10 | 5 | 2 | | B | 15 | 3 | 5 | | C | 8 | 2 | 4 | - **类别A的F1**： $Precision = 10/(10+5) = 0.6667$ $Recall = 10/(10+2) = 0.8333$ $F1_A = 2 \times (0.6667 \times 0.8333)/(0.6667 + 0.8333) ≈ 0.7407$ - **类别B的F1**： $Precision = 15/(15+3) = 0.8333$ $Recall = 15/(15+5) = 0.75$ $F1_B = 2 \times (0.8333 \times 0.75)/(0.8333 + 0.75) ≈ 0.7895$ - **类别C的F1**： $Precision = 8/(8+2) = 0.8$ $Recall = 8/(8+4) = 0.6667$ $F1_C = 2 \times (0.8 \times 0.6667)/(0.8 + 0.6667) ≈ 0.7273$ - **宏平均F1**： $Macro\text{-}F1 = (0.7407 + 0.7895 + 0.7273)/3 ≈ 0.7525$ --- #### **与微平均F1的区别** - **宏平均**：平等对待每个类别，适合类别重要性相同或数据不平衡的场景（如罕见病诊断）。 - **微平均**：将所有类别的TP、FP、FN合并后计算单一F1，更关注整体性能（如情感分析中多数类别主导时）。 --- #### **应用建议** - 若需评估模型在**每个类别上的均衡表现**，优先选择宏平均F1。 - 若需关注**整体预测结果的准确性**（尤其是大类别占比高时），使用微平均F1更合理。 ---
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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