本文深入探讨了多类别分类问题中两种常用的评估指标：宏平均和加权平均。宏平均平等对待每个类别，计算每个类别指标的算术平均值，适用于关注所有类别均衡表现的场景，尤其适用于类别不平衡但希望少数类别不被“淹没”的情况。加权平均则根据每个类别的样本数量进行加权平均，更侧重模型在整体数据集上的表现，尤其适用于类别不平衡的数据集。选择哪种平均方法取决于对模型性能评估的侧重点，即是关注所有类别的均衡性，还是关注整体数据集上的准确性。

⚖️宏平均平等对待每个类别，计算每个类别指标的算术平均值。即使某个类别的样本数量很少，其在该类别上的表现也会对最终的宏平均值产生相同的影响。适用于希望模型在所有类别上都表现均衡，或者特别关注少数类别性能的场景。

📊宏平均精确率、宏平均召回率、宏平均F1值分别通过计算每个类别的精确率、召回率、F1值，然后求平均得到。如果少数类别预测错误，宏平均会受到较大影响，因为少数类别和多数类别在计算平均值时权重相同。

📈加权平均会根据每个类别的样本数量来分配权重。样本数量多的类别对最终的加权平均值贡献更大，而样本数量少的类别贡献较小。更适合评估模型在整个数据集上的综合性能。

🎯加权平均的计算公式为：将每个数值与其对应的权重相乘后求和，再除以所有权重的总和。如果你更关心模型在整个数据集上的整体表现，尤其是在类别不平衡的数据集中，加权平均是一个更合适的指标。

前言

在处理多类别分类问题时，宏平均（Macro-average）和加权平均（Weighted-average）是评估模型性能时常用的两种聚合指标。它们都能将每个类别的独立指标（如精确率、召回率、F1分数等）整合成一个单一的全局指标，但处理方式有所不同，从而反映出模型性能的不同侧重。

宏平均（Macro-average）

宏平均是对所有类别的指标进行简单的算术平均。计算步骤如下：

独立计算每个类别的指标： 首先，为每个类别独立计算其精确率、召回率或F1分数等。求取平均值： 然后，将所有类别的这些独立指标值相加，并除以类别的总数。

宏平均（Macro-average）是一种用于评估多类别分类模型性能的指标计算方法，它通过对所有类别的指标（如精确率、召回率、F1值等）进行简单平均得到。宏平均的计算公式如下： 假设模型有 C 个类别，对于每个类别 （ = 1, 2, , C ），计算其对应的指标值 （例如，精确率 、召回率 、F1值 等）。宏平均 的计算公式为：

具体到不同的指标，宏平均的计算可以细分为：

宏平均精确率（Macro-Precision） ：



其中 是类别 的精确率。

宏平均召回率（Macro-Recall） ：



其中 是类别 的召回率。

宏平均F1值（Macro-F1） ：



其中 是类别 的F1值，计算公式为：

特点：

平等对待每个类别： 宏平均不考虑每个类别中样本数量的多少，对所有类别一视同仁。这意味着，即使某个类别的样本数量很少，其在该类别上的表现也会对最终的宏平均值产生相同的影响。适用于类别不平衡但不希望少数类别被“淹没”的情况： 当数据集中存在类别不平衡，但你仍然希望模型在少数类别上也能表现良好时，宏平均是一个很好的选择。如果模型在少数类别上的性能很差，宏平均值会明显下降，从而提醒你需要关注这些类别。对少数类别敏感： 如果少数类别预测错误，宏平均会受到较大影响，因为少数类别和多数类别在计算平均值时权重相同。

示例：

假设有A、B、C三个类别，它们的F1分数分别为0.8、0.9、0.5。

宏F1分数 = (0.8+0.9+0.5)/3=0.733

加权平均（Weighted-average）

加权平均是对所有类别的指标进行加权算术平均，权重通常是每个类别在数据集中所占的样本数量比例。计算步骤如下：

独立计算每个类别的指标： 同样，首先为每个类别独立计算其指标。确定每个类别的权重： 计算每个类别在整个数据集中所占的样本比例。加权求和： 将每个类别的指标值乘以其对应的权重，然后将所有加权后的值相加。

加权平均的计算公式为：

其中：

是第 个数值， 是第 个数值对应的权重， 是数值的总个数。 公式表示将每个数值与其对应的权重相乘后求和，再除以所有权重的总和。

特点：

考虑类别样本数量： 加权平均会根据每个类别的样本数量来分配权重。样本数量多的类别对最终的加权平均值贡献更大，而样本数量少的类别贡献较小。反映模型在整体数据集上的表现： 如果你更关心模型在整个数据集上的整体表现，尤其是在类别不平衡的数据集中，加权平均是一个更合适的指标。它能够更好地反映模型在多数类别上的性能，因为这些类别在数据集中占据主导地位。倾向于多数类别： 如果模型在多数类别上表现良好，即使在少数类别上表现较差，加权平均值也可能看起来不错。

示例：

假设有A、B、C三个类别，F1分数分别为0.8、0.9、0.5，样本数量分别为100、200、50。

总样本数 = 100+200+50=350

A类权重 = 100/350≈0.286

B类权重 = 200/350≈0.571

C类权重 = 50/350≈0.143

加权F1分数 = (0.8×0.286)+(0.9×0.571)+(0.5×0.143)=0.2288+0.5139+0.0715≈0.8142

总结

宏平均和加权平均各有侧重，选择哪种平均方法取决于你对模型性能评估的优先级：

宏平均（Macro-average）： 更注重所有类别是否都能得到良好预测，即使是样本量小的少数类别。适用于你希望模型在所有类别上都表现均衡，或者特别关注少数类别性能的场景。加权平均（Weighted-average）： 更注重模型在整体数据分布上的预测准确性。适用于你希望模型在多数类别上表现良好，或者希望评估模型在整个数据集上的综合性能的场景。