Vai pastāv trešā iespēja metrikas vidējo vērtējumu aprēķināšanai klases nelīdzsvarotības gadījumā un kā tā tiek aprēķināta?

Kad klasēs ir nelīdzsvarīgums klasifikācijas uzdevumos, bieži izmanto trīs metrikas vidējo (piemēram, precizitāte, recall, F1):

1. Makrovidējums: aprēķina metrikas atsevišķi katrai klasei un pēc tam tās vidēji, neņemot vērā piemēru skaitu klasēs. Tas dod vienādu svaru katrai klasei.

2. Mikrovidējums: apvieno visus patiesos pozitīvos, nepatiesos pozitīvos un nepatiesos negatīvos no visām klasēm un pēc tam aprēķina metrikas. Tādējādi ņemts vērā visu piemēru kopējais ieguldījums.

3. Svara vidējums: aprēķina metrikas katrai klasei un pēc tam tās vidēji ar svariem, kas proporcionāli ir katras klases piemēru skaitam. Tas ļauj ņemt vērā nelīdzsvarotību, dodot lielāku svaru biežāk pārstāvētajām klasēm.

Formāli, svara vidējais metrika M tiek aprēķināta šādi:

[ 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) — klases skaits,
• (M_i) — metrika klasei (i),
• (N_i) — piemēru skaits klasē (i).

Svara vidējais palīdz iegūt reālistiskāku novērtējumu par modeļa kvalitāti, ja ir nelīdzsvarotība klasēs, saglabājot katras klases ietekmi proporcionāli tās biežumam.