MCDMClassification Metric

宏平均 F1

宏平均 F1 分别为每个类别独立计算 F1 分数，然后取未加权的算术平均值。它平等对待所有类别，而不考虑它们在数据集中的频率，因此适用于不平衡的多类别问题。

在 MethodMind 中打开即将推出视频即将推出下载幻灯片

阅读完整方法

仅限会员

使用免费账户登录即可阅读本节。

相关方法的邻域——选择一个节点以展开探索。

宏平均 F1

Powers, D. M. (2011). Evaluation: From Precision, Recall and F-Measure to ROC, Informedness, Markedness and Correlation. Journal of Machine Learning Technologies, 2(1), 37-63. link ↗
Sokolova, M., Japkowicz, N., & Szpakowicz, S. (2006). Beyond Accuracy, F-Score and ROC: a Family of Discriminant Measures for Performance Evaluation. AI 2006, 4013, 1015-1021. DOI: 10.1007/11941439_114 ↗

ScholarGate. (2026, June 3). Macro-averaged F1-Score. ScholarGate. https://scholargate.app/zh/model-evaluation/macro-averaged-f1

将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。