当我们的问题属于多分类问题时，考察在不同类别下综合考察分类器的优劣，需要引入宏平均（Macro-averaging）、微平均（Micro-averaging）。

    宏平均（Macro-averaging）是指所有类别的每一个统计指标值的算数平均值，也就是宏精确率（Macro-Precision），宏召回率（Macro-Recall），宏F值（Macro-F Score），其计算公式如下：

    宏查准率
    image.png

    宏查全率

    image.png

    宏F1
    image.png

    微平均（Micro-averaging）是将各个混淆矩阵对应元素平均，得到TP、FP、TN、FN，然后计算相应的平均值。其计算公式如下：

    微查准率
    image.png

    微查全率
    image.png

    微F1
    image.png

    参考文献
    1、【机器学习理论】分类问题中常用的性能评估指标
    2、李航，《统计学习方法》
    3、周志华，《机器学习》