В случае многоклассовой классификации какие есть способы усреднения метрик?

В многоклассовой классификации для оценки качества модели часто используют усреднение метрик, чтобы получить обобщённую оценку по всем классам. Основные способы усреднения:

• Macro-average: вычисляет метрику отдельно для каждого класса, затем усредняет их без учёта количества примеров в классах. Подходит, когда важен равный вклад каждого класса.

• Micro-average: объединяет все истинные положительные, ложные положительные и ложные отрицательные по всем классам и затем вычисляет метрику. Учитывает дисбаланс классов, так как каждый пример влияет одинаково.

• Weighted-average: как macro, но усреднение взвешивается по количеству примеров в каждом классе. Балансирует между macro и micro, учитывая размер классов.

Выбор зависит от задачи и распределения классов. Например, при сильном дисбалансе weighted-average часто предпочтительнее.