Ar egzistuoja trečia galimybė metrikų vidurkiui esant klasių disbalansui ir kaip ji skaičiuojama?

Kai klasės yra nesubalansuotos klasifikavimo užduotyse, dažnai naudojamos trys metrikų vidurkio parinktys (pavyzdžiui, tikslumas, atgavimo rodiklis, F1):

1. Makrovidurkis: apskaičiuoja metriką atskirai kiekvienai klasei ir tada jas vidutiniškai sujungia, neatsižvelgiant į pavyzdžių skaičių klasėse. Tai suteikia vienodą svorį kiekvienai klasei.

2. Mikrovidurkis: sujungia visus teigiamus, klaidingus teigiamus ir klaidingus neigiamus iš visų klasių ir tada apskaičiuoja metriką. Taip įvertinama visų pavyzdžių bendroji įtaka.

3. Svorinis vidurkis: apskaičiuoja metriką kiekvienai klasei ir tada jas vidutiniškai sujungia, naudodamas svorius, proporcingus pavyzdžių skaičiui kiekvienoje klasėje. Tai leidžia atsižvelgti į disbalansą, suteikiant didesnį svorį dažniau atstovaujamoms klasėms.

Formaliai, svorinis vidurkis metrikai M skaičiuojamas taip:

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

kur:

• (C) — klasių skaičius,
• (M_i) — metrika klasei (i),
• (N_i) — pavyzdžių skaičius klasėje (i).

Svorinis vidurkis padeda gauti realesnį modelio kokybės įvertinimą, kai yra klasės disbalansas, išlaikant kiekvienos klasės įtaką proporcingai jos dažnumui.