为什么微 precision/recall 更适合 class 失衡？
Why micro precision/recall is better suited for class imbalance?
我有三个 class。假设第一个class的元素个数是30，第二个-30，第三个-1000。
一些算法给出了预测并得到了以下误差矩阵（行是预测，列是真实标签）。
[[ 1 0 10]
[ 29 2 10]
[ 0 28 980]]
从这个矩阵可以看出，第三个 class 很好地 class 化了，尽管其他 class 几乎总是错误的。
结果是以下精度和召回率：
Precision.
micro: 0.927
macro: 0.371
Recall.
micro: 0.927
macro: 0.360
从官方文档和很多文章，问题（例如，来自here）说，当classes不平衡时，最好使用micro。尽管直觉上似乎在这种情况下 micro 显示了太好的度量值，尽管事实上这两个 classes 实际上没有 class 化。
对于不平衡的 classes，micro-precision/recall 并不是“更好”。
事实上，如果您查看结果，很明显当您对不平衡的数据集做出错误的预测时，宏 precision/recall 的值非常小（代表性较差的标签的结果不佳）。
然而，微精度在计算时确实考虑了每个 class 的元素数。
例如来自sklearn的微观和宏观f1-score（精度和召回率相同）：
'micro':
Calculate metrics globally by counting the total true positives, false negatives and false positives.
'macro':
Calculate metrics for each label, and find their unweighted mean. This does not take label imbalance into account.
因此，当您在没有很好表示的标签中获得较差结果时，宏实际上会惩罚您。
另一方面，微平均不会这样做，因为它会在全局范围内计算指标。
例如，这意味着如果您在 class 0 中有很多样本，并且说，许多预测是正确的，而 class 1 中的少数样本有很多错误的预测，micro-precision/recall 可能会产生较高的数值，而宏观指标 (precision/recall/f1-score) 会因特定标签上的不良结果而受到惩罚（产生较小的数值）。
现在真的取决于你对什么感兴趣。如果你想全局有好的结果，又不关心labels的分布，micro-metric可能是合适的。
然而，我们通常关心数据集中代表性较差的 classes 的结果，因此尽管有微观指标，但宏观指标的效用也很重要。
我有三个 class。假设第一个class的元素个数是30，第二个-30，第三个-1000。
一些算法给出了预测并得到了以下误差矩阵（行是预测，列是真实标签）。
[[ 1 0 10]
[ 29 2 10]
[ 0 28 980]]
从这个矩阵可以看出，第三个 class 很好地 class 化了，尽管其他 class 几乎总是错误的。
结果是以下精度和召回率：
Precision.
micro: 0.927
macro: 0.371
Recall.
micro: 0.927
macro: 0.360
从官方文档和很多文章，问题（例如，来自here）说，当classes不平衡时，最好使用micro。尽管直觉上似乎在这种情况下 micro 显示了太好的度量值，尽管事实上这两个 classes 实际上没有 class 化。
对于不平衡的 classes，micro-precision/recall 并不是“更好”。
事实上，如果您查看结果，很明显当您对不平衡的数据集做出错误的预测时，宏 precision/recall 的值非常小（代表性较差的标签的结果不佳）。
然而，微精度在计算时确实考虑了每个 class 的元素数。
例如来自sklearn的微观和宏观f1-score（精度和召回率相同）：
'micro':
Calculate metrics globally by counting the total true positives, false negatives and false positives.
'macro':
Calculate metrics for each label, and find their unweighted mean. This does not take label imbalance into account.
因此，当您在没有很好表示的标签中获得较差结果时，宏实际上会惩罚您。
另一方面，微平均不会这样做，因为它会在全局范围内计算指标。
例如，这意味着如果您在 class 0 中有很多样本，并且说，许多预测是正确的，而 class 1 中的少数样本有很多错误的预测，micro-precision/recall 可能会产生较高的数值，而宏观指标 (precision/recall/f1-score) 会因特定标签上的不良结果而受到惩罚（产生较小的数值）。
现在真的取决于你对什么感兴趣。如果你想全局有好的结果，又不关心labels的分布，micro-metric可能是合适的。
然而，我们通常关心数据集中代表性较差的 classes 的结果，因此尽管有微观指标，但宏观指标的效用也很重要。