关于metrics.classification_report报告中指标解读

函数的应用

• 主要是对类目分类相关的业务做评测使用
• 主要介绍一下: macro avg 和 weighted avg区别

指标解释

1. macro avg（宏平均）

• 定义：对每个类别的指标（如精确率、召回率、F1-score）取算术平均值，不考虑类别样本数量。
• 计算公式：

macro_avg = (指标_类别1 + 指标_类别2 + ... + 指标_类别N) / N

• 特点：
  平等对待每个类别：无论类别样本数量多少，每个类别的权重相同。
• 适用场景：当类别样本量相对平衡时，能更公平地反映模型在所有类别上的表现。
• 缺点：如果类别严重不平衡（某些类别样本极少），宏平均可能被小样本类别的极端值拉高或压低。
• 示例：

假设有 3 个类别：
类别 A：精确率 = 0.9，样本量 = 100
类别 B：精确率 = 0.5，样本量 = 10
类别 C：精确率