【机器学习-模型评价】宏平均（macro avg）、微平均(micro avg)和加权平均(weighted avg)

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）/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

参考资料：

https://blog.csdn.net/weixin_43922901/article/details/106097774

https://blog.csdn.net/Candy_GL/article/details/83059217