Как считаются микро- и макроусреднения метрик?

Микро- и макроусреднения — это способы агрегирования метрик (например, точности, полноты) при оценке моделей на нескольких классах или задачах.

• Микроусреднение (micro-averaging): сначала суммируются все истинно положительные, ложноположительные и ложноотрицательные значения по всем классам, а затем вычисляется метрика на основе этих сумм. Это учитывает вклад каждого отдельного примера, поэтому классы с большим числом примеров влияют сильнее.

• Макроусреднение (macro-averaging): сначала вычисляется метрика отдельно для каждого класса, а затем берется среднее арифметическое этих значений. Все классы влияют одинаково, независимо от их размера.

Пример:

Если у вас есть точность для трех классов: 0.9, 0.8 и 0.7,

• Макроусреднение = (0.9 + 0.8 + 0.7) / 3 = 0.8
• Микроусреднение будет вычислено на основе суммарных TP, FP, FN по всем классам, что может дать другое значение, учитывающее распределение примеров.

Выбор между ними зависит от задачи: макроусреднение полезно при необходимости равного веса для всех классов, микро — когда важен общий вклад всех примеров.