არსებობს მესამე ვარიანტი მეტრიკების საშუალო მაჩვენებლისთვის კლასების დისბალანსის დროს და როგორ ითვლება ის?

კლასების არასწორი ბალანსის დროს კლასიფიკაციის დავალებებში ხშირად იყენებენ სამი ვარიანტს მეტრიკის საშუალო (მაგალითად, სიზუსტე, recall, F1):

1. მაკრო საშუალო: ითვლის მეტრიკას ცალკე თითოეულ კლასისთვის და შემდეგ საშუალო იღებს მათ შორის, უყურადღებოდ კლასებში მაგალითების რაოდენობას. ეს აძლევს თანაბარ წონას თითოეულ კლასს.

2. მიკრო საშუალო: აერთიანებს ყველა ჭეშმარიტ პოზიტივს, ყალბ პოზიტივებს და ყალბ ნეგატივებს ყველა კლასიდან და შემდეგ ითვლის მეტრიკას. ამგვარად, ითვალისწინებს ყველა მაგალითის საერთო წვლილს.

3. წონიანი საშუალო: ითვლის მეტრიკას თითოეულ კლასისთვის და შემდეგ საშუალო იღებს წონებით, რომლებიც პროპორციულია თითოეულ კლასში მაგალითების რაოდენობასთან. ეს საშუალებას აძლევს გაითვალისწინოს ბალანსის ნაკლებობა, მიცემით უფრო მეტ წონას უფრო წარმოდგენილ კლასებს.

ფორმალურად, წონიანი საშუალო ითვლება ასე:

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

სადაც:

• (C) — კლასების რაოდენობა,
• (M_i) — მეტრიკა კლასისთვის (i),
• (N_i) — მაგალითების რაოდენობა კლასში (i).

წონიანი საშუალო ეხმარება უფრო რეალისტური შეფასების მიღებაში მოდელის ხარისხის შესახებ, როდესაც არსებობს კლასების შორის ბალანსის ნაკლებობა, შენარჩუნებით თითოეული კლასის გავლენის პროპორციულობას მისი სიხშირის მიხედვით.