多标签分类的结果评估---macro-average和micro-average介绍

一,多分类的混淆矩阵

多分类混淆矩阵是二分类混淆矩阵的扩展

祭出代码,画线的那两行就是关键啦:

二,查看多分类的评估报告

祭出代码,使用了classicfication_report()

三,宏平均与微平均

公式是神看的,我是学弱...直接看例子,没有复杂的公式:

宏平均

微平均

宏平均和微平均的对比

1. 如果每个class的样本数量差不多,那么宏平均和微平均没有太大差异
2. 如果每个class的样本数量差异很大,而且你想:
   • 更注重样本量多的class:使用微平均
   • 更注重样本量少的class:使用宏平均
3. 如果微平均大大低于宏平均,检查样本量多的class
4. 如果宏平均大大低于微平均,检查样本量少的class
   

代码如何实现微平均和宏平均

传参数指定即可..sklearn真的很强大.