Какие знаешь методы агрегации мультиклассовых метрик

Для агрегации мультиклассовых метрик используют несколько подходов:

1. Macro-average — усреднение метрик по классам без учета дисбаланса.
   Пример для F1-score:
   python

   Копировать

   from sklearn.metrics import f1_score
   f1_macro = f1_score(y_true, y_pred, average='macro')

2. Micro-average — глобальный расчет метрики с учетом всех предсказаний.

   python

   Копировать

   f1_micro = f1_score(y_true, y_pred, average='micro')

3. Weighted-average — усреднение с весами, пропорциональными количеству экземпляров каждого класса.

   python

   Копировать

   f1_weighted = f1_score(y_true, y_pred, average='weighted')

4. Sample-wise — расчет метрики для каждого объекта с последующим усреднением (например, для accuracy).

Выбор метода зависит от задачи: macro — если все классы равнозначны, micro — при дисбалансе, weighted — для учета размера классов.