我有三个类别。假设第一个类别的元素数量是30，第二个是30，第三个是1000。
某个算法给出了预测，并获得了以下错误矩阵（行是预测值，列是真实标签）。

[[  1   0  10] [ 29   2  10] [  0  28 980]]

从这个矩阵中可以看出，第三类别被很好地分类了，尽管其他类别几乎总是错误的。

结果是以下精确度和召回率：

Precision.  micro: 0.927  macro: 0.371Recall.  micro: 0.927  macro: 0.360

从官方文档和许多文章、问题（例如，来自 这里）中可以得知，当类别不平衡时，最好使用微观指标。尽管直觉上似乎在这种情况下，微观指标显示的度量值太好了，尽管有两个类别几乎没有被分类。

回答：

微观精确度/召回率并不“更适合”处理类别不平衡问题。

事实上，如果你查看结果，很明显，当你在不平衡数据集上有糟糕的预测时（在代表性较差的标签上结果很差），宏观精确度/召回率的值会非常小。

然而，微观精确度在计算时确实考虑了每个类别的元素数量。

例如，来自 sklearn 的微观和宏观 f1-score（精确度和召回率也是如此）：

'micro':通过计算总的真阳性、假阴性和假阳性来全局计算指标。'macro':为每个标签计算指标，并找出它们的非加权平均值。这不考虑标签不平衡情况。

因此，当你在某个标签上表现不佳且该标签代表性较差时，宏观指标实际上会对你进行惩罚。

另一方面，微观平均则不会这样做，因为它是全局计算指标的。

例如，这意味着如果你在类别0中有很多样本，并且假设很多预测是正确的，而在类别1中样本较少但有很多错误预测，微观精确度/召回率可能会产生一个较高的数值，而宏观指标（精确度/召回率/f1-score）会因为在特定标签上的糟糕结果而惩罚（产生一个较小的数值）。

现在，这真的取决于你感兴趣的是什么。如果你希望全局获得好的结果，并且你不关心标签的分布，那么微观指标可能是合适的。

然而，我们通常关心数据集中代表性较差的类别的结果，因此尽管有微观指标，宏观指标的实用性更大。