Precision을 예시로,,
Class A = 2개의 데이터, Precision = 0.5
Class B = 100개의 데이터, Precision = 0.5
Class C = 2개의 데이터, Precision = 0.5
Class D = 2개의 데이터, Precision = 0.1
Macro Average
- (0.5 + 0.1 + 0.5 + 0.5) / 4 = 0.4
- 단순히 A, B, C, D 라벨에 대한 precision을 평균한 값
Micro Average
- (1 + 10 + 1 + 1) / (2 + 100 + 2 + 2) = 0.123
- 그냥 개수 그 자체로 평균을 냄
- 클래스 불균형 문제가 있는 데이터셋에서 더 효과적인 지표가 될 수 있음
추가적으로 예시를 들면,
https://junklee.tistory.com/116
매크로 평균(Macro-average) vs 마이크로 평균(Micro-average)
Macro, Micro-average는 이름처럼 평균을 구하는 방법들입니다. 저희는 Macro-f1, Micro-precision, Micro-accuracy 등으로 활용하게 될 예정입니다. 아래에서는 Precision을 기준으로 설명하겠습니다. 간단하게, 어
junklee.tistory.com
https://blog.naver.com/qbxlvnf11/221574025920
마이크로 평균 (Micro-Average)과 매크로 평균 (Macro-Average)
"예비 개발자" 마이크로 평균과 매크로 평균 다음과 같이 카테고리가 나누어진 데이터의 평균을 ...
blog.naver.com
'기초지식' 카테고리의 다른 글
| XAI (eXplainable AI) (0) | 2024.05.12 |
|---|---|
| XGBoost의 결측치 (0) | 2024.05.12 |
| 회귀 성능 평가 지표 (0) | 2024.05.12 |
| LSTM (0) | 2024.05.12 |
| Random Forest의 Hyperparmeter (0) | 2024.05.11 |
