很多時(shí)候，我們?cè)谟?jì)算指標(biāo)時(shí)會(huì)發(fā)現(xiàn)有多種可能的方法。比如最簡(jiǎn)單的計(jì)算多類分類的準(zhǔn)確率，一種計(jì)算方法是把所有類別的一次性都考慮進(jìn)來，計(jì)算類別預(yù)測(cè)的準(zhǔn)確率；另外還有一種是對(duì)每個(gè)類別分開考慮，計(jì)算單獨(dú)每個(gè)類別的準(zhǔn)確率，最后再進(jìn)行算術(shù)平均得到該測(cè)試集的準(zhǔn)確率。其實(shí)，第一種方法（也是最常用的方法）就是micro-average（微平均），第二種方法則是macro-average（宏平均）。

舉例

假設(shè)我們有一個(gè)兩類鑒別模型和測(cè)試集，該模型在該測(cè)試集上預(yù)測(cè)結(jié)果與實(shí)際類別對(duì)比可得：

第一類別

True positive (TP1)= 12

False positive (FP1)=9

False negative (FN1)=3

Then precision (P1) and recall (R1) will be 57.14 and 80

此處的TP、FP、TN、FN的含義為：真陽(yáng)（查到且正確）、假陽(yáng)（查到但不正確）、真陰（系統(tǒng)中不存在匹配項(xiàng)且沒查到）和假陰（系統(tǒng)存在匹配項(xiàng)但沒查到）。

查全率： recall rate = sum(tp) / (sum(tp) + sum(fn))

查準(zhǔn)率： precision rate = sum(tp) /? (sum(tp) + sum(fp))

第二類別

True positive (TP2)= 50

False positive (FP2)=23

False negative (FN2)=9

Then precision (P2) and recall (R2) will be 68.49 and 84.75

微平均

Micro-average of precision = (TP1+TP2)/(TP1+TP2+FP1+FP2) = (12+50)/(12+50+9+23) = 65.96

Micro-average of recall = (TP1+TP2)/(TP1+TP2+FN1+FN2) = (12+50)/(12+50+3+9) = 83.78

宏平均

Macro-average precision = (P1+P2)/2 = (57.14+68.49)/2 = 62.82

Macro-average recall = (R1+R2)/2 = (80+84.75)/2 = 82.25