宏观 VS 微观 VS 加权 VS 样本 F1 分数

Question

在 sklearn.metrics.f1_score 中，f1 分数有一个名为“average”的参数。宏观、微观、加权和样本是什么意思？请详细说明，因为在文档中，没有正确解释。或者简单地回答以下问题：

1. 为什么“样本”是多标签分类的最佳参数？
2. 为什么微最适合不平衡的数据集？
3. 加权和宏观有什么区别？

Answer 1

问题是关于 中average参数的含义sklearn.metrics.f1_score。

从代码中可以看出：

• average=micro 表示通过考虑总真阳性、假阴性和假阳性来计算 f1 的函数（无论数据集中每个标签的预测如何）
• average=macro 表示为每个标签计算 f1 的函数，并返回平均值而不考虑数据集中每个标签的比例。
• average=weighted 表示为每个标签计算 f1 的函数，并返回考虑到数据集中每个标签的比例的平均值。
• average=samples表示为每个实例计算 f1 的函数，并返回平均值。将其用于多标签分类。

Answer 2

我发现一篇非常有用的文章，更彻底地解释了这些差异并举例说明：https://towardsdatascience.com/multi-class-metrics-made-simple-part-ii-the-f1-score-ebe8b2c2ca1

不幸的是，它没有解决“样本”参数，而且我还没有尝试过多标签分类，所以我无法回答第一个问题。至于其他问题：

2. 这些信息从哪里来？如果我正确地理解了这些差异，那么微观并不是不平衡数据集的最佳指标，而是最糟糕的指标之一，因为它不包括比例。正如文章中所述，micro-f1 等于准确性，这是不平衡数据的一个有缺陷的指标。例如：分类器要在数千张随机图片中识别猫图片，只有 1% 的数据集包含猫图片（不平衡数据集）。即使它没有识别出单张猫的图片，它的准确度/微 f1 分数也达到 99%，因为 99% 的数据被正确识别为不是猫的图片。

3. 简而言之：宏观只是各个分数的算术平均值，而加权则包括各个样本量。我推荐这篇文章了解详细信息，如果需要，我可以提供更多示例。

我知道这个问题很老了，但我希望这对某人有帮助。如果我错了，请纠正我。我做了一些研究，但不是专家。