Υπάρχει μια τρίτη επιλογή μέσου όρου των μετρικών σε περίπτωση ανισορροπίας των κλάσεων και πώς υπολογίζεται;

Όταν υπάρχει ανισορροπία στις κλάσεις σε προβλήματα ταξινόμησης, συχνά χρησιμοποιούνται τρεις επιλογές μέσου όρου των μετρικών (π.χ., ακρίβεια, ανάκληση, F1):

1. Μέσος όρος Macro: υπολογίζει τη μετρική ξεχωριστά για κάθε κλάση και στη συνέχεια τις μέσες χωρίς να λαμβάνει υπόψη τον αριθμό των παραδειγμάτων σε κάθε κλάση. Αυτό δίνει ίση βαρύτητα σε κάθε κλάση.

2. Μέσος όρος Micro: συνδυάζει όλα τα αληθώς θετικά, ψευδώς θετικά και ψευδώς αρνητικά από όλες τις κλάσεις και στη συνέχεια υπολογίζει τη μετρική. Έτσι, λαμβάνεται υπόψη η συνολική συμβολή όλων των παραδειγμάτων.

3. Ζυγισμένος μέσος όρος: υπολογίζει τη μετρική για κάθε κλάση και στη συνέχεια τις μέσες με βάρη ανάλογα με τον αριθμό των παραδειγμάτων σε κάθε κλάση. Αυτό επιτρέπει την αντιμετώπιση της ανισορροπίας, δίνοντας μεγαλύτερο βάρος στις πιο αντιπροσωπευτικές κλάσεις.

Επισήμως, ο ζυγισμένος μέσος όρος για τη μετρική M υπολογίζεται ως εξής:

[ M_{weighted} = \sum_{i=1}^C w_i \times M_i, \quad w_i = \frac{N_i}{\sum_{j=1}^C N_j} ]

όπου:

• (C) — αριθμός κλάσεων,
• (M_i) — μετρική για την κλάση (i),
• (N_i) — αριθμός παραδειγμάτων στην κλάση (i).

Ο ζυγισμένος μέσος όρος βοηθά στην απόκτηση μιας πιο ρεαλιστικής αξιολόγησης της ποιότητας του μοντέλου σε περιπτώσεις ανισορροπίας κλάσεων, διατηρώντας την επίδραση κάθε κλάσης ανάλογα με τη συχνότητά της.