微平均召回率是怎么回事

微平均召回率（Micro-average recall）是评估分类模型性能的指标之一，它是所有类别的真正例数除以所有类别的实际例数之和。具体地说，它是指在所有测试样本中，模型正确预测为正例的数目除以所有实际正例的数目之和。

微平均召回率适用于数据集中各个类别的样本数相差较大的情况，因为它考虑了所有类别的实际正例数目，而不是对每个类别分别计算召回率。

例如，对于一个三分类问题，模型的预测结果如下：

| 预测/实际 | A | B | C |
|:------------:|:--:|:--:|:--:|
| A | 4 | 1 | 2 |
| B | 2 | 3 | 1 |
| C | 1 | 2 | 5 |

则微平均召回率为(4+3+5)/(4+1+2+2+3+1+1+2+5)=12/18=0.67。

相关问题

设两个查询Q1、Q2，的相关文档数分别为80个和40个，某系统对Q1检索中60个结果其中正确数目为48，系统对Q2检索出30个结果，其中正确的数目为21。求查询Q1和Q2的正确率的宏平均，召回率的宏平均，正确率的微平均，召回率的微平均

宏平均指对每个查询的指标进行算术平均，而微平均指对所有查询的结果进行统计后再计算指标。因此，对于给定的Q1和Q2，可以计算出以下指标：

Q1的正确率=48/60=0.8，Q2的正确率=21/30=0.7
Q1的召回率=48/80=0.6，Q2的召回率=21/40=0.525

宏平均的正确率=(0.8+0.7)/2=0.75，宏平均的召回率=(0.6+0.525)/2=0.5625
微平均的正确率=(48+21)/(60+30)=0.6333，微平均的召回率=(48+21)/(80+40)=0.525

因此，查询Q1和Q2的正确率的宏平均为0.75，召回率的宏平均为0.5625，正确率的微平均为0.6333，召回率的微平均为0.525。

召回率的micro.macro.weighted是什么意思

召回率（Recall）是指在所有真实为正例的样本中，被模型正确识别为正例的样本数占比。而在多分类问题中，为了综合考虑多个类别的分类效果，可以计算宏平均（Macro-average）、微平均（Micro-average）和加权平均（Weighted-average）等指标。

- 宏平均（Macro-average）：对每个类别分别计算指标值，然后对所有类别的指标值取算术平均数。每个类别的贡献相等，适用于类别样本数量比较平均的情况。
- 微平均（Micro-average）：将所有类别的真实值和预测值合并后计算指标值。适用于类别样本数量不平均的情况。
- 加权平均（Weighted-average）：对每个类别的指标值进行加权平均，权重为每个类别样本数量占总样本数量的比例。适用于类别样本数量不平均的情况，并且希望更关注样本数量较多的类别。

因此，召回率的micro、macro、weighted分别表示对所有类别的样本进行统计后得到的整体指标值。其中，micro对所有样本进行合并计算，macro对每个类别分别计算再取平均，weighted对每个类别的指标值进行加权平均。