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

多分类混淆矩阵

祭出代码,画线的那两行就是关键啦:
多分类混淆矩阵代码

二,查看多分类的评估报告

祭出代码,使用了classicfication_report()
多分类的评估报告

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

宏平均

微平均

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
    1366679-20180413180328627-591627955.png

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.

转载于:https://www.cnblogs.com/yuuken/p/8822496.html

你可能感兴趣的:(人工智能)