多类分类模型评分

多类分类是指您试图预测一个单独的离散结果，如二进制分类，但有两个以上的类。多类别分类模型通过 F1 的不同平均值进行评分。

宏 F1

宏 F1 是没有加权的每个类的平均 F1 值，也就是说，所有类都被同等对待。

宏 F1

微型 F1 是整个 Confusion Matrix 中计算的 F1 值。统计总的真阳性、假阴性和假阳性。计算微型 F1 分数相当于计算全局精度或全局召回。

加权 F1

加权 F1 对应于二进制分类 F1。它是为每个类别计算的，然后作为加权平均值进行组合，同时考虑到每个类别的记录数量。

准确性

准确度衡量模型平均做出正确预测的频率。它被计算为精确匹配预测的数量除以样本数量。