macro avg和weighted avg

macro avg和weighted avg都是衡量分类模型性能的指标。

Macro avg是将每个类别的指标（如精确度、召回率、F1得分等）平均计算，不考虑每个类别的样本数量。这意味着每个类别的重要性都是相同的，无论其样本数量大小如何。

Weighted avg则是以每个类别的样本数量作为权重，计算每个类别的指标，然后将它们加权平均。这意味着样本数量较多的类别对模型性能的贡献更大。

举个例子，假设一个模型对于两个类别A和B的分类结果如下：

- 类别A：精确度0.8，召回率0.6，F1得分0.7，样本数100
- 类别B：精确度0.6，召回率0.8，F1得分0.7，样本数500

那么，macro avg的精确度、召回率和F1得分都是0.7（即(0.8+0.6)/2、(0.6+0.8)/2和(0.7+0.7)/2），而weighted avg的精确度、召回率和F1得分分别是0.64、0.76和0.7，其中精确度的计算为(0.8*100+0.6*500)/(100+500)=0.64，以此类推。