我使用相同的数据集对不同的二元分类算法进行了 10 倍交叉验证，并收到了微观和宏观平均结果。应该提到的是，这是一个多标签分类问题。

在我的例子中，真阴性和真阳性的权重是相等的。这意味着正确预测真阴性与正确预测真阳性同样重要。

微观平均指标低于宏观平均指标。以下是神经网络和支持向量机的结果：

我还使用另一种算法对同一数据集进行了百分比拆分测试。结果是：

我更愿意将百分比分割测试与宏观平均结果进行比较，但这公平吗？我不相信宏观平均结果是有偏差的，因为真阳性和真阴性的权重相等，但话说回来，我想知道这是否与比较苹果和橙子一样？

更新

根据评论，我将展示如何计算微观和宏观平均值。

我有 144 个要预测的标签（与特征或属性相同）。计算每个标签的精度、召回率和 F-Measure。

---------------------------------------------------
LABEL1 | LABEL2 | LABEL3 | LABEL4 | .. | LABEL144
---------------------------------------------------
   ?   |    ?   |    ?   |   ?    | .. |     ?
---------------------------------------------------

考虑基于真阳性 (tp)、真阴性 (tn)、假阳性 (fp) 和假阴性 (fn) 计算的二元评估度量 B(tp, tn, fp, fn)。特定度量的宏观和微观平均值可以计算如下：

使用这些公式，我们可以如下计算微观和宏观平均值：

因此，微平均测量会添加所有 tp、fp 和 fn（对于每个标签），然后进行新的二进制评估。宏观平均度量将所有度量（Precision、Recall 或 F-Measure）相加并除以标签数量，这更像是一个平均值。

现在，问题是使用哪一个？