[分类问题的评估指标] Macro-F1和Micro-F1

最新推荐文章于 2025-07-01 21:58:35 发布
最新推荐文章于 2025-07-01 21:58:35 发布
阅读量1.1w 收藏 11
点赞数 1
CC 4.0 BY-SA版权
分类专栏： 机器学习 文章标签： 评估指标 Macro_F1 Micro_F1
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_34807908/article/details/86514433
本文介绍了分类问题的评估指标，特别是Macro-F1和Micro-F1的区别。Macro-F1对所有类别平等对待，易受稀有类别影响，而Micro-F1更关注整体性能，可能受常见类别主导。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

分类问题的评估指标

在利用K_means 、LR、SVM 分类，评估Embedding 结果的好坏时，遇到如下代码： 不理解当中 micro_f1，macro_f1的含义，开此篇学习记录。 
    def classification(x, y, method='XGBoost'):
        x_train, x_valid, y_train, y_valid = train_test_split(x
最低0.47元/天 解锁文章

200万优质内容无限畅学
micro f1 和macro f1的异同
强化学习曾小健
05-27 1721
权重分配不同:micro f1对所有样本赋予相同权重,macro f1对每个类别赋予相同权重。应用场景不同:micro f1适用于类别数量差异不大的情况,macro f1更适用于不平衡数据集。数值大小不同:macro f1通常比micro f1大,因为它不受大类别的主导影响。此外,还有一种weighted f1,它根据每个类别的样本数量进行加权平均。在类别分布极度不平衡时,可以考虑使用weighted f1。
机器学习和深度学习分类问题的几个指标:准确率、精准率、召回率、F1-score、Macro-F1、Micro-F1
奥古斯都
03-01 4899
目录 1、Accuracy——准确率 2、Precision——精准率 3、Recall——召回率 4、进一步探索召回率和准确率 5、F1-Score 6、Micro-F1和Macro-F1 在说这个几个指标之前有一个非常重要的东西叫做混淆矩阵： 我们把上述提到的这个表格称作为混淆矩阵，那么一般使用混淆矩阵干嘛呢？计算召回率、计算准确率、计算精准率。接下来分别介绍这三个指标。 TP：实际是正样本预测也是正样本；TN：预测是负样本实际也是负样本；FN：实际上是正要根本预测为负样本；FP.
分类问题的评估指标
Leoch007的博客
06-13 1231
作者版权：林子 Leoch007 欢迎转载，注明出处 分类的评估指标有很多，这里考虑如下几个：Precision，Recall，F1，macro-F1，micro-F1 预测/真实 1 0 1 TP FP 0 FN TN Positive/Negative 表示预测的正负 True/False 表示预测是否正确 P...
Micro-F1 与 Macro-F1
weixin_44676142的博客
11-05 2237
1. Precision和Recall的计算 名称 含义 TP(True Positive) 真阳性：预测为正，实际为正 FP(False Positive) 假阳性：预测为正，实际为负 TN(True Negative) 真阴性：预测为负，实际为负 FN(False Negative) 假阴性：预测为负，实际为正 （1）Precision（精确率）：被认为正的样本中，实际上有多少是正的。 Precision=TPTP+FP.{\rm Precision}=\frac {\r
RNN（Recurrent Neural Network，循环神经网络）家族详解（RNN，LSTM，GRU）
Springfield3006的博客
07-01 969
摘要： 本文系统解析了循环神经网络（RNN）及其改进模型LSTM的核心机制与应用。传统RNN通过循环记忆结构处理序列数据，但存在梯度消失问题。LSTM引入遗忘门、输入门、输出门和细胞状态四大机制，有效解决了长期依赖问题。文章详细对比了RNN与LSTM的数学表达、PyTorch实现及计算示例，并通过人名特征提取案例演示了RNN的时序计算过程。RNN适用于语音识别、文本分类等场景，而LSTM在长序列任务中表现更优。两种模型的结构差异和适用条件为序列建模提供了重要技术选择依据。（149字）
【多分类指标-Macro-F1 与Micro-F1】
图挖掘领域，新晋砖家 ☞ 未来可期，欢迎和静静一起学习交流吖
10-09 9264
转载 https://blog.youkuaiyun.com/lyb3b3b/article/details/84819931 还可参考 https://www.cnblogs.com/techengin/p/8962024.html https://zhuanlan.zhihu.com/p/64315175 https://blog.youkuaiyun.com/qq_43190189/article/details/105778058 https://blog.youkuaiyun.com/sinat_28576553/article/d
机器学习学习笔记（4）——macro-F1与micro-F1
LiQZ的博客
12-30 3658
本文以我自己的实验数据来作为样例说明何为macro F1与micro F1 目录1 前置知识2 macro-F1与micro-F12.1 使用场景2.2 计算方法3 总结4 参考 1 前置知识 关于F1 score的内容如果还不清楚的朋友，可以参考我的上一篇博客：《机器学习学习笔记（1）——错误率、精度、准确率、召回率、F1度量》 这里就只简单的提一下核心的混淆矩阵与公式： F1 score的公式： F1=2PRP+RF1 = \frac{2 P R}{P + R}F1=P+R2PR​ 其中：PPP是.
多标签评价指标--Macro-F1、Micro-F1
niutingbaby的博客
06-24 8336
对于多标签分类的评价指标比较复杂，一般对于n个二分类混淆矩阵要引入宏平均、微平均、权重评价即Macro-average、Micro-Average，Weighted-Average，近期正好应用，所以就总结一下。 Macro-averaging：指所有类别的每一个统计指标值的算数平均值，则对应的macro F1为多个F1值的算数平均数。 Micro-averaging：将各个混淆矩阵对应元素平均，得到TP、FP、TN、FN，然后计算相应的平均值。 weighted-F1：在样本不平衡的时候,有时我们
机器学习指标2 micro f1和macro f1
强化学习曾小健
05-21 2404
Micro F1更关注整体性能，适用于类别分布相对平衡的情况。Macro F1更关注每个类别的性能，适用于类别分布不平衡的情况，或者当需要评估每个类别的性能时。在实际应用中，根据具体问题和业务需求选择合适的 F1 分数计算方法是很重要的。
weighted-f1和micro-f1的区别
weixin_56533314的博客
02-27 864
Weighted-F1 是对每个类别单独计算 F1-score，然后按照类别的样本数量进行加权平均。的变体，F1-score 是用于衡量分类模型性能的指标，结合了。计算 F1-score，适用于类别不均衡时。
分类问题的评价指标（Precision、Recall、Accuracy、F1-Score、Micro-F1、Macro-F1）以及混淆矩阵、ROC曲线
少年龙龙的博客
05-11 1万+
文章目录一、四个基本概念 TP、FP、TN、FN二、精确率（precision）、召回率（recall）、准确率（accuracy）三、F1-Score（F1分数）四、宏平均 Macro-F1 、微平均 Micro-F1、加权平均 Weighted avg五、混淆矩阵（Confusion Matrix）六、ROC 曲线和 AUC（Area Under the Curve，曲线下面积） 一、四个基本概念 TP、FP、TN、FN 真阳性：预测为正，实际为正。把正样本成功预测为正。 TP——True Posit
一文解释Micro-F1, Macro-F1，Weighted-F1
鲁班七号
07-02 1万+
  本文用通俗易懂的形式解释多分类任务中的micro-f1，macro-f1，weighted-f1。前提需要知道基本的概念如精确率、召回率。  
#机器学习 Micro-F1和Macro-F1详解
热门推荐
往深度学习的深度广度冲！
04-26 7万+
micro-F1和macro-F1详解 F1-score：是统计学中用来衡量二分类模型精确度的一种指标，用于测量不均衡数据的精度。它同时兼顾了分类模型的精确率和召回率。F1-score可以看作是模型精确率和召回率的一种加权平均，它的最大值是1，最小值是0。.
​macro-F1（宏平均F1）​和micro-F1（微平均F1）
编程小栈
03-26 1571
在机器学习中，​macro-F1（宏平均F1）​和micro-F1（微平均F1）​是两种评估多分类任务性能的指标。它们的核心区别在于对各类别的权重分配方式不同，适用于不同的场景需求。用Macro-F1： 当类别不平衡​（如医疗诊断中的罕见病），且需要平等评估每个类别的表现时。 ​用Micro-F1： 当类别相对平衡​（如新闻分类），且更关注整体的准确率（尤其是大类样本的预测效果）。
Micro-F1和Macro-F1详解
qq_43391414的博客
08-07 4261
请先知道什么叫做准确率P和召回率R。 文章目录例子micro-F1macro-F10类别1类别代码检查 例子 micro-F1 解释： 答对了4个，答错了了1个。 macro-F1 这个更加复杂，需要分类别讨论F1值，然后取平均值。 0类别 解释： 只考虑0类别，其答对了3个，但是多打了一个0。 1类别 解释： 只考虑1类别，其只答了一次，但是答对了，漏答了一次。 代码检查 ...
分类评价指标 F值 详解 | Micro F1 & Macro F1 & Weight F1
我是菜鸡
05-25 1万+
之前写一个作业样本不均衡问题。然后查了很多文章都说要更换评价指标，不能再使用准确率了，要计算F值。我看了一下F值怎么计算，看了挺多文章的，但是感觉说的比较迷惑，或者说法比较拗口。最后还是自己再总结一个。 查准率、查全率、F值 我们平时对于一个模型预测的准不准，我们最先想到的是用准确率(Accuracy)进行评价。 A=truetotal A = \frac{true}{total} A=totaltrue​ 这个虽然常用，但不能满足所有任务的需求。 所以我们可以引入查准率和查全率。 查准率(Preci.
ML: F1score与Macro-F1 score
sevune的博客
02-01 1563
F1值是一种用于评估二分类模型性能的指标，结合了模型的精确度（Precision）和召回率（Recall）。F1值是这两个指标的调和平均数。PrecisionTPFPTP​RecallTPFNTP​F12⋅PrecisionRecallPrecision⋅Recall​F1值对于那些需要平衡精确度和召回率的任务非常有用，例如医学诊断、垃圾邮件检测等。
F1 micro macro 区别和详解
weixin_48185819的博客
08-24 1万+
micro-F1和macro-F1详解 摘要 micro-F1： macro-F1： weighted-F1 调参 摘要 F1-score：是统计学中用来衡量二分类模型精确度的一种指标，用于测量不均衡数据的精度。它同时兼顾了分类模型的精确率和召回率。F1-score可以看作是模型精确率和召回率的一种加权平均，它的最大值是1，最小值是0。 在多分类问题中，如果要计算模型的F1-score，则有两种计算方式，分别为micro-F1和macro-F1，这两种计算方式在二分类中与.
手推多分类precision(精确率)、recall(召回率)、F1分数
芒果不茫的博客
10-07 7052
按照样例手推precision、recall、F1分数，以及多分类时macro、micro、weighted的计算方法，并给出代码实现验证
请问macro-recall、macro-precision、macro-f1和recall、precision、f1的区别
最新发布
08-06
<think>我们讨论的是多分类任务中的评价指标。用户询问的是macro-recall, macro-precision, macro-F1与普通的recall, precision, F1之间的区别。 注意：在多分类任务中，当我们单独说recall、precision、F1时，通常有两种情况： 1. 可能是指某个特定类别的指标（例如类别A的recall）。 2. 也可能是指某种平均方式（比如micro平均或macro平均）下的整体指标，但此时需要明确平均方式。 而macro-recall, macro-precision, macro-F1则明确表示采用macro平均（宏平均）方式计算的整体指标。 因此，我们需要明确： - recall, precision, F1（不带前缀）通常用于二分类或单类别视角。 - 在多分类中，我们需要通过前缀（micro, macro, weighted等）来区分不同的平均方式。 根据引用内容，我们可以总结如下： 1. **单类别指标（Class-wise）**： 对于每个类别i，我们可以计算： - Precision_i = TP_i / (TP_i + FP_i) - Recall_i = TP_i / (TP_i + FN_i) - F1_i = 2 * (Precision_i * Recall_i) / (Precision_i + Recall_i) 这些指标只关注该类别的表现，不考虑其他类别。 2. **宏平均（Macro-average）**： 宏平均是简单地对每个类别的指标求算术平均值，即： - macro-precision = (1/C) * Σ Precision_i - macro-recall = (1/C) * Σ Recall_i - macro-F1 = (1/C) * Σ F1_i 宏平均平等对待每一个类别，无论类别的样本数量多少。因此，它更能反映模型在少数类上的表现，因为每个类别对最终结果的贡献是相同的。 3. **微平均（Micro-average）**： 微平均是先将所有类别的TP, FP, FN分别相加，然后计算整体的指标： - micro-precision = (Σ TP_i) / (Σ TP_i + Σ FP_i) - micro-recall = (Σ TP_i) / (Σ TP_i + Σ FN_i) - micro-F1 = 2 * (micro-precision * micro-recall) / (micro-precision + micro-recall) 微平均考虑了每个类别的样本数量，因此样本量大的类别对指标的影响更大。根据引用[3]，在多分类任务中，micro-precision, micro-recall, micro-F1和准确率(accuracy)是相等的。 4. **加权平均（Weighted-average）**： 加权平均是给每个类别的指标赋予一个权重（通常为该类别的样本数量占总样本数的比例），然后求加权平均： - weighted-precision = Σ (w_i * Precision_i) [其中w_i = (第i类的样本数)/总样本数] - weighted-recall = Σ (w_i * Recall_i) - weighted-F1 = Σ (w_i * F1_i) 加权平均考虑了类别不平衡，使得样本多的类别对整体指标的影响更大。 因此，回答用户的问题： - macro-recall, macro-precision, macro-F1是宏平均指标，它们分别计算每个类别的recall, precision, F1，然后取算术平均。 - 而recall, precision, F1（不带前缀）在多分类中通常需要指定类别（如某个特定类别的recall）或者是指某种平均方式（此时需要明确，但通常不带前缀可能被理解为micro平均或宏平均？但容易引起歧义，所以最好明确说明）。 所以，区别在于： - 不带前缀的recall等指标可能是针对单个类别的，也可能是某种平均（但需要上下文明确），而带macro前缀的则明确是宏平均。 - 宏平均（macro）平等对待每个类别，而微平均（micro）则受样本量大的类别影响更大。 举例说明（引用[4]中的例子）： 假设有一个三分类问题，各类别的混淆矩阵统计如下： 类别A： TP=2, FP=0, FN=2 Precision_A = 2/(2+0)=1.0 Recall_A = 2/(2+2)=0.5 F1_A = 2*(1.0*0.5)/(1.0+0.5)=0.667 类别B： TP=1, FP=1, FN=2 Precision_B = 1/(1+1)=0.5 Recall_B = 1/(1+2)=0.333 F1_B = 2*(0.5*0.333)/(0.5+0.333)=0.4 类别C： TP=2, FP=1, FN=1 Precision_C = 2/(2+1)=0.667 Recall_C = 2/(2+1)=0.667 F1_C = 2*(0.667*0.667)/(0.667+0.667)=0.667 则宏平均： macro-precision = (1.0 + 0.5 + 0.667)/3 ≈ 0.722 macro-recall = (0.5 + 0.333 + 0.667)/3 = 0.5 macro-F1 = (0.667+0.4+0.667)/3 ≈ 0.578 而微平均： 总TP = 2+1+2=5 总FP = 0+1+1=2 总FN = 2+2+1=5 micro-precision = 5/(5+2)=5/7≈0.714 micro-recall = 5/(5+5)=0.5 micro-F1 = 2*(0.714*0.5)/(0.714+0.5)≈0.588 同时，准确率(accuracy) = (TP_A+TP_B+TP_C)/总样本数 = (2+1+2)/(2+0+2 + 1+1+2 + 2+1+1) = 5/12≈0.417? 注意：这里总样本数应该是所有真实标签的总数，即每个类别的真实样本数（A:2+2=4, B:1+2=3, C:2+1=3），总样本数=10。 准确率 = (TP_A+TP_B+TP_C)/10 = 5/10=0.5 但根据引用[3]，micro-recall等于准确率？这里我们发现micro-recall=0.5，准确率=0.5，确实相等。 因此，用户需要明确： 在评价多分类模型时，要明确使用哪种平均方式。使用macro更关注每个类别的表现（尤其是小类别），而micro则更关注整体样本的表现（受大类别影响）。 总结： - recall, precision, F1（不带前缀）在多分类中通常需要指定类别（如类别A的召回率）或者明确平均方式（如micro或macro），否则可能引起歧义。 - 而macro-recall, macro-precision, macro-F1明确表示宏平均，即各类别指标的算术平均。 建议：在类别不平衡的多分类任务中，优先使用宏平均（macro）或加权平均（weighted）来评估模型，因为这样每个类别都能得到一定的关注。 下面用LaTeX格式整理回答。</think>### Macro-Recall、Macro-Precision、Macro-F1与单类别指标的区别 #### 1. **核心概念差异** | **指标类型** | **计算对象** | **数学表达式** | **特点** | |--------------------|----------------------|------------------------------------------------------------------------------|-------------------------------------------------------------------------| | **单类别指标** | 单个类别 | $Recall_i = \frac{TP_i}{TP_i + FN_i}$<br>$Precision_i = \frac{TP_i}{TP_i + FP_i}$<br>$F1_i = \frac{2 \times P_i \times R_i}{P_i + R_i}$ | 仅反映模型在**特定类别**的表现 | | **Macro平均指标** | 所有类别的平均值 | $Macro\text{-}Recall = \frac{1}{C} \sum_{i=1}^{C} Recall_i$<br>$Macro\text{-}Precision = \frac{1}{C} \sum_{i=1}^{C} Precision_i$<br>$Macro\text{-}F1 = \frac{1}{C} \sum_{i=1}^{C} F1_i$ | 平等对待**所有类别**，每个类别权重相同，不受样本量影响[^1][^4] | #### 2. **关键区别详解** 1. **计算逻辑不同**： - **单类别指标**：仅计算某个类别（如类别A）的TP、FP、FN，例如： - $Recall_A = \frac{TP_A}{TP_A + FN_A}$（只关注A类别的查全率） - **Macro指标**：先计算每个类别的独立指标，再取算术平均： - $Macro\text{-}Recall = \frac{Recall_A + Recall_B + Recall_C}{3}$（平等考虑所有类别） 2. **对不平衡数据的敏感度**： - **单类别指标**：可能掩盖少数类问题（如B类$Recall_B=0.1$但被高召回率的A类掩盖） - **Macro指标**：少数类表现差会直接拉低整体值（如$Recall_B=0.1$会使$Macro\text{-}Recall$显著降低）[^1] 3. **与Micro指标的区别**： ```math \begin{align*} &Micro\text{-}Recall = \frac{\sum TP_i}{\sum (TP_i + FN_i)} \\ &Macro\text{-}Recall = \frac{1}{C} \sum Recall_i \end{align*} ``` - **Micro指标**：受大样本类别主导（类似Accuracy）[^3] - **Macro指标**：小样本类别与大样本类别权重相同 #### 3. **实例说明（三分类任务）** 假设混淆矩阵如下： | | 预测A | 预测B | 预测C | |----------|-------|-------|-------| | **真实A** | 2 | 0 | 2 | | **真实B** | 1 | 1 | 2 | | **真实C** | 1 | 1 | 2 | 计算过程： 1. **单类别指标**： - $Recall_A = \frac{2}{2+2} = 0.5$ - $Recall_B = \frac{1}{1+2} = 0.333$ - $Recall_C = \frac{2}{2+1} = 0.667$ [^4] 2. **Macro-Recall**： $$Macro\text{-}Recall = \frac{0.5 + 0.333 + 0.667}{3} = 0.5$$ #### 4. **适用场景对比** | **场景** | **推荐指标** | **原因** | |------------------------------|---------------------|-------------------------------------------------------------------------| | 评估特定类别表现（如癌症检测）| 单类别Recall | 直接关注关键类别的查全率 | | 类别不平衡的整体评估 | Macro-F1/G-Mean | 避免大样本类别主导结果[^1] | | 需要兼顾所有类别 | Macro-Recall | 平等暴露每个类别的查全问题 | | 样本均衡的任务 | Micro-F1/Accuracy | 此时Micro-F1≈Accuracy≈Macro-F1[^3] | > ⚠️ **重要提示**：Macro指标在多分类任务中更全面，但若某些类别重要性更高（如医疗诊断），需额外关注该类的单类别指标[^1][^2]。 ---
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值