一文解释Micro-F1, Macro-F1，Weighted-F1

摘要

  本文用通俗易懂的形式解释多分类任务中的micro-f1，macro-f1，weighted-f1。前提需要知道基本的概念如精确率、召回率。

F1

  我们使用一个分类例子来解释F1。假设我们有一个图像分类模型，模型可以将图片分类为飞机、船和汽车，这是个三分类任务。现在我们使用这个模型对十张图片进行分类，分类结果如下：

  根据上面的预测结果可以得到下表。

  根据上表可以计算每个类别的TP，FP，FN，精确率，召回率，F1：

  单个类的指标无法反映模型的整体性能，我们需要综合每个类别的指标，接下来我们将讨论如何综合每个类别的指标来整体反映模型的性能。

macro -f1

  macro-f1 是对每类F1分数计算算术平均值，该方法平等地对待所有类，而不考虑不同类别的重要性。

weighted-f1

  weighted-f1考虑了不同类别的重要性，也就是把每个类别的样本数量作为权重，计算加权f1。

micro-f1

  micro-f1通过计算全局的TP、FN和FP来计算F1分数。我们首先将所有类别的TP、FP和FN值相加，然后将它们代入F1方程中，得到我们的micro-f1分数。

one more thing

  前面我们计算了三种不同的f1分数，为了验证计算是否正确，我们和sklearn.metrics.classification_report的结算结果对比下：

  可以看到sklearn中macro avg和weighted avg的计算结果和我们的对应上了，但是没有micro avg的结果，这是为什么呢？再仔细观察下，发现图中的accuracy结果和micro-f1结果一致，这是巧合吗？

  这是因为micro-f1是计算所有样本中正确分类的比例（认真观察下micro-f1的计算公式），这个定义就是我们用来计算整体accuracy的。
此外，如果我们对精确率和召回率计算micro avg，我们将同样得到0.60。

  这些结果意味着，在多分类场景中，micro-f1、micro-precision、micro-recall和accuracy都相等（即本例中的0.60）。
这就解释了为什么sklearn分类报告只显示accuracy，因为micro-F1、micro-precision和micro-recall也具有相同的值。

  那么为什么会有如下等式存在呢？

micro-F1 = accuracy = micro-precision = micro-recall

  这是因为在某一类中的False Positive样本，一定是其他某类别的False Negative样本。听起来有点抽象？举个例子，比如说系统错把「car」预测成「boat」，那么对于car而言，其错误类型就是False Negative，对于boat而言，其错误类型就是False Positive。于此同时，Micro-precision和Micro-recall的数值都等于Accuracy，因为它们计算了对角线样本数和总样本数的比值。
  其实上面这一段才是我想写这篇博客的原因！！！

参考文献

https://www.cvmart.net/community/detail/2840