我一直在寻找对此的解释，但还没有遇到过 - 在 scikit-learn 中，当我计算 的auc()时precision_recall_curve()，我得到的宏观指标与使用内置average_precision_score()函数时不同。根据文档，这是有道理的，因为auc()使用了梯形近似，因此平均精度更准确。但是，当我计算微观指标时，这些值是相同的。我试图理解这一点。

这是一个例子：

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，这些指标是相同的。我认为这是有道理的，考虑到在更大的范围内（例如，沿着数千个数据点的维度而不是len(rec['micro']) = 11本例中的数据点），梯形近似值更接近真实值。

我的问题是，为什么这些指标在macro案例中会有所不同？公平地说，在现实世界的部署中，微观评估有足够的数据点让梯形近似收敛到真实值，但宏观没有（通过约 3000 个测试示例计算，标签空间为约 2000 个标签）？