В чём разница между микро- и макро-усреднением в машинном обучении?

Разница между микро- и макро-усреднением в машинном обучении заключается в том, как происходит усреднение: samoed.github.io www.educative.io

1. Микро-усреднение. samoed.github.io Сначала характеристики усредняются по всем классам, а затем вычисляется итоговая двухклассовая метрика, например, точность, полнота или F-мера. samoed.github.io Если какой-то класс имеет очень маленькую мощность, то при микро-усреднении он практически никак не будет влиять на результат. samoed.github.io
2. Макро-усреднение. samoed.github.io Сначала вычисляется итоговая метрика для каждого класса, а затем результаты усредняются по всем классам. samoed.github.io В этом случае усреднение проводится для величин, которые уже не чувствительны к соотношению размеров классов, и поэтому каждый класс внесёт равный вклад в итоговую метрику. samoed.github.io

Выбор подхода зависит от специфики задачи и характеристик набора данных. sky.pro Например, при сильном дисбалансе классов микро-усреднение может дать более репрезентативную оценку производительности модели, поскольку учитывает частоту встречаемости каждого класса. sky.pro Макро-усреднение, в свою очередь, рекомендуют использовать, когда классы сбалансированы и имеют равную важность. sky.pro