Я работаю над проблемой классификации нескольких классов (всего 9 классов). Поскольку я хочу сравнить результаты с предыдущим двоичным заданием, мне было интересно, верен ли способ, которым я вычисляю точность и оценки макросов.
На изображении ниже, представляющем результаты:
На основе определения точности: the percentage of correctly classified instances
accuracy = (TP + TN)/(TP + TN + FP + FN)
где TP, FN, FP и TN представляют количество истинных положительных результатов ложные негативы, ложные срабатывания и истинные негативы, а также определение макро-баллов: macro-averaged score is computed as a simple arithmetic mean of our per-class scores (подробнее см. макро-баллы ), для классов 1 и 2 я вычислил все эти оценки следующим образом:
class_1_and_2_accuracy = (TP_class_1 + TP_class_2) / len(class_1 + class_2)
class_1_and_2_macro_f_score = (f_score_class_1 + f_score_class_2) / 2
т.е. для расчета точности я принял во внимание сумму правильно предсказанных экземпляров для классов 1 и 2, деленную на общее число экземпляров, правильно и неправильно классифицированных для класса 1 и класс 2, в то время как для макро-оценок (то же самое определение для F-показателя, точности и отзыва) я вычислил среднее арифметическое c для класса 1 и Класс 2.
Правильна ли эта формулировка? Любая идея будет принята с благодарностью.