Micro-averaging

释义 Definition（中文）

micro-averaging（微平均）：在多类别/多标签评估中，把所有类别的预测结果先汇总成整体的 TP/FP/FN（真阳性/假阳性/假阴性等），再计算 Precision、Recall、F1 等指标。它会让样本量更大的类别影响更大，常用于类别不均衡时的整体表现衡量。
（另有相关概念 macro-averaging（宏平均），按类别分别算指标再平均。）

发音 Pronunciation（IPA）

/ˈmaɪkroʊ ˈævərɪdʒɪŋ/

例句 Examples

Micro-averaging gives one overall F1 score across all classes.
微平均会在所有类别上给出一个整体的 F1 分数。

In a highly imbalanced dataset, micro-averaging can look strong because it is dominated by frequent classes, so it may hide poor performance on rare labels.
在类别极不均衡的数据集中，微平均可能看起来表现很好，因为它主要被高频类别主导，从而掩盖对低频标签的糟糕效果。

词源 Etymology（中文）

由 **micro-**（“微观的、整体汇总层面”）+ averaging（“求平均”）构成。该术语在信息检索与机器学习评价中流行，用来表示“先把各类计数合并到一个总表，再计算指标”的平均方式，与按类别分别求值的 macro-averaging 相对。

相关词 Related Words

• Macro-Averaging
• Weighted-Averaging
• Precision
• Recall
• F1-Score
• Confusion-Matrix
• Class-Imbalance
• Multi-Label

文献作品 Literary / Notable Works（出现或常见于）

• Introduction to Information Retrieval（Manning, Raghavan, Schütze）——常讨论 micro-averaged / macro-averaged 指标用于检索与分类评估
• Foundations of Statistical Natural Language Processing（Manning & Schütze）——涉及分类评估与整体汇总式度量的表述
• The Elements of Statistical Learning（Hastie, Tibshirani, Friedman）——在分类评估语境中常见与 “micro/macro average” 相关的讨论（不同版本与章节措辞可能略有差异）