Accuracy Macro Precision

Accuracy、Macro Precision都是评估分类模型性能的指标，具体介绍如下：

Accuracy（准确率）：是指分类正确的样本数与总样本数之比，即：
$$Accuracy=\frac{TP+TN}{TP+TN+FP+FN}$$
其中，TP（True Positive）表示真正例，即实际为正例且被预测为正例的样本数；TN（True Negative）表示真反例，即实际为反例且被预测为反例的样本数；FP（False Positive）表示假正例，即实际为反例但被预测为正例的样本数；FN（False Negative）表示假反例，即实际为正例但被预测为反例的样本数。

Macro Precision（宏平均精度）：是指将每个类别的精度求平均得到的指标。对于一个多分类问题，我们可以计算每个类别的精度，然后将这些精度相加取平均得到宏平均精度。它可以通过以下公式计算：
$$Macro\ Precision=\frac{1}{n}\sum_{i=1}^{n}\frac{TP_i}{TP_i+FP_i}$$
其中，n表示类别数，$TP_i$表示第i个类别的真正例数，$FP_i$表示第i个类别的假正例数。