学习average_precision_score()与precision_recall_curve()的auc评分

Question

我一直在寻找对此的解释，但还没有找到一个--在科学工具包中--学习，当我计算auc() of precision_recall_curve()时，我得到了一个与使用内置average_precision_score()函数不同的宏观度量。根据文档，这是合理的，因为auc()使用梯形近似，因此平均精度更精确。然而，当我计算微观度量时，数值是相同的。我在试着理解这一点。

下面是一个例子：

yhat_raw = np.array([[0.511, 0.62, 0.3],[0.11, 0.76, 0.945],[0.002, 0.671, 0.452],[0.9102, 0.783, 0.2]])
y = np.array([[0, 1, 1],[0, 0, 1],[0, 0, 0],[0, 1, 1]])
yhatmic = yhat_raw.ravel()
ymic = y.ravel()
prec["micro"], rec["micro"], _ = precision_recall_curve(ymic, yhatmic, 
pos_label=1)

auc(rec["micro"], prec["micro"])返回0.58305555555555544。average_precision_score(ymic, yhatmic)返回0.62222222222222223。

在实际部署模型时，这些度量将达到相同的目的。我认为这是有意义的，考虑到在更大的范围内(例如，沿着数千个数据点的维数，而不是本例中的len(rec['micro']) = 11数据点)，梯形近似更接近真实值。

我的问题是，为什么在macro的情况下，度量标准会有所不同？公平地说，在现实世界的部署中，微观评估有足够的数据点来使梯形近似收敛到真实值，但是宏没有(通过大约3000个测试示例计算，标签空间为~2000标签)吗？

Answer 1

在macro情况下，由于macro在科学知识中，学习忽视阶级失衡。不同，度量标准也不同。micro在科学工具包-学习看看全球利率。数据存在类不平衡，因此macro参数将返回与micro不同的值。