マクロ平均とマイクロ平均（多クラス評価）
意味・解説
多クラス分類におけるAIの性能指標を算出する際の集計手法。クラス単位で平均する（マクロ）か、個々のデータ単位で合計する（マイクロ）か。
マクロ平均は、各クラスのF値を算出した後にその平均をとる（全クラスを平等に扱う）。マイクロ平均は、全クラスのTP, FP, FNを合算してからF値を算出する（各データを平等に扱う）。
くわしく
「AIの成績表の『公平さ』の調整」です。
1.マクロ平均：
データの少ない『レアなクラス』も1票として数えるため、小規模クラスの失敗に厳しい評価になります。
2.マイクロ平均：
『1データ』を1票とするため、データ数が多い『メジャーなクラス』での正解率に強く影響されます。ポイントは、目的に応じて「全種類を平等に当てたい」ならマクロを、「とにかく全体の誤答を減らしたい」ならマイクロを使い分ける必要があるからです。
例文
商品の自動カテゴリ分類において、登録数の少ないニッチなカテゴリの判定精度も重視するため、マクロ平均F値を評価指標とした。
分類: 機械学習の評価指標