我正在学习机器学习理论。我有一个使用多类逻辑回归进行预测的混淆矩阵。
现在我已经计算了微观和宏观平均值（精确度和召回率）。
这些值差异很大。现在我想知道哪些因素会影响这一点。在什么条件下，微观和宏观平均值会差异很大？
我注意到不同类别的预测准确率不同。这是原因吗？还是有其他因素会导致这种情况？
样本混淆矩阵如下：
我计算的微观-宏观平均值如下：
precision-micro = ~0.7329recall-micro = ~0,7329precision-macro = ~0.5910recall-macro = ~0.6795回答：
在不平衡数据集中，微观和宏观平均值之间的差异变得明显。
微观 平均是一种全局策略，基本上忽略了类别之间的区别。它的计算方法是统计所有类别的总真阳性、假阴性和假阳性数目。
在非多标签分类的分类任务中，微观平均实际上等于准确率得分。注意你的微观精确度和召回率是相等的。计算准确率得分并进行比较，你会发现没有差异。
在 宏观 平均的情况下，精确度和召回率是分别针对每个标签计算的，并报告为它们的非加权平均值。根据你的分类器在每个类别上的表现，这可能会极大地影响结果。
你也可以参考我之前的回答，其中对此有更详细的讨论。
