Կա արդյոք երրորդ տարբերակը մետրիկների միջինացման համար դասերի անհավասարակշռության դեպքում և ինչպես է այն հաշվարկվում?

Երբ դասերի անհավասարակշռություն կա դասակարգման խնդիրներում, հաճախ օգտագործվում են երեք մեթոդներ մետրիկների միջինացման (օրինակ, ճշգրտություն, recall, F1) տարբերակներ.

1. Մակր միջին: հաշվարկում է մետրիկան առանձին յուրաքանչյուր դասի համար և հետո միջինացնում դրանք՝ հաշվի չառնելով օրինակների քանակը դասերում։ Սա տալիս է հավասար քաշ յուրաքանչյուր դասին։

2. Միկրո միջին: միավորում է բոլոր ճիշտ դրականները, կեղծ դրականները և կեղծ բացասականները բոլոր դասերից և հետո հաշվարկում մետրիկան։ Այս կերպ հաշվի է առնվում բոլոր օրինակների ընդհանուր ներդրումը։

3. Վազքված միջին (շարժական միջին): հաշվարկում է մետրիկան յուրաքանչյուր դասի համար և հետո միջինացնում դրանք՝ համապատասխան քաշերով, որոնք պրոպորցիոնալ են յուրաքանչյուր դասի օրինակների քանակին։ Սա թույլ է տալիս հաշվի առնել անհավասարակշռությունը՝ տալով մեծ քաշ ավելի ներկայացված դասերին։

Անհատականորեն, վազքված միջինն այսպես է հաշվարկվում՝

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

որտեղ՝

• (C) — դասերի թիվը,
• (M_i) — մետրիկա դասի համար (i),
• (N_i) — օրինակների թիվը դասում (i):

Վազքված միջինն օգնում է ավելի ռեալիստական գնահատական տալ մոդելի որակին՝ հաշվի առնելով դասերի անհավասարակշռությունը՝ պահելով յուրաքանչյուր դասի ազդեցությունը նրա հաճախականության համապատասխան։