本篇博客可能会继续更新

最近在文献中经常看到precesion,recall，常常忘记了他们的定义，在加上今天又看到评价多标签分类任务性能的度量方法micro F1score和macro F2score。决定再把F1 score一并加进来把定义写清楚，忘记了再来看看。

F1score

F1score(以下简称F1)是用来评价二元分类器的度量，它的计算方法如下：

F1是用来衡量二维分类的，那形容多元分类器的性能用什么呢？micro F1score,和macro F2score则是用来衡量多元分类器的性能。

假设对于一个多分类问题，有三个类，分别记为1、2、3，

TPi是指分类i的True Positive；
FPi是指分类i的False Positive；
TNi是指分类i的True Negative；
FNi是指分类i的False Negative。

我们分别计算每个类的精度(precision)

macro 精度 就是所有分类的精度平均值

同样，每个类的recall计算为

macro 召回就是所有分类的召回平均值

套用F1score的计算方法,macro F1score就是

micro F1score

假设对于一个多分类问题，有三个类，分别记为1、2、3，

TPi是指分类i的True Positive；
FPi是指分类i的False Positive；
TNi是指分类i的True Negative；
FNi是指分类i的False Negative。
接下来，我们来算micro precision

相应的micro recall则是

则micro F1score为

总结

如果各个类的分布不均衡的话，使用micro F1score比macro F1score 比较好，显然macro F1score没有考虑各个类的数量大小

参考
该网址一位答主的回答，我搬运过来