什么时候微观和宏观平均值会有很大不同？ [英] When do micro- and macro-averages differ a lot?

问题描述

我正在学习机器学习理论。我有一个使用多类别Logistic回归的预测混淆矩阵。

现在我已经计算了微观和宏观平均值(精度和召回)。

值有很大不同。现在我想知道是什么因素影响了这一点。在什么情况下，微观和宏观会有很大的不同？

我注意到的是，对于不同的类别，预测的准确性是不同的。这就是原因吗？或者还有什么其他因素可以导致这种情况？

样本混淆矩阵：

和我计算的微观-宏观平均值：

precision-micro = ~0.7329
recall-micro = ~0,7329

precision-macro = ~0.5910
recall-macro = ~0.6795

推荐答案

微观平均值和宏观平均值之间的差异在不平衡的数据集中变得明显。

micro平均值是一种全局策略，它基本上忽略了类别之间的区别。它是通过计算所有类别的真阳性、假阴性和假阳性总数来计算的。

在基本问题不是多标签分类的分类任务中，微平均值实际上等于准确度分数。确保你的微精确度和查全率相等。计算准确度分数并进行比较，您将看不到任何差异。

在macro平均值的情况下，分别计算每个标签的查准率和召回率，并将其报告为未加权平均值。根据您的分类器对每个类的执行方式，这可能会严重影响结果。

您也可以参考我的answer，这里已经详细介绍了它。

这篇关于什么时候微观和宏观平均值会有很大不同？的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！