微宏和加权平均都具有相同的精度、召回率、f1-score答案

【问题标题】：micro macro and weighted average all have the same precision, recall, f1-score微宏和加权平均都具有相同的精度、召回率、f1-score
【发布时间】：2019-09-30 22:23:06
【问题描述】：

我一直在使用不同的机器学习分类器来进行基于正面、中性和负面情绪的情绪分析。当尝试使用 Sklearns 分类报告查看分类器的分类指标时，微观宏观和加权平均值都具有相同的精度、召回率和 f1 分数。为什么会这样？

打印分类报告的代码是：

print(classification_report(y_test, y_pred, target_names=['0','1','2']))

the results can be seen here

【问题讨论】：

标签： python sentiment-analysis

【解决方案1】：

由于您的类中的样本数量非常相似，并且每个类中的准确率、召回率也非常相似，我相信平均值的相似性是巧合。如果您使用precision_recall_fscore_support，您应该会发现这些值略有不同，并且四舍五入到两位有效数字使它们看起来相同。

【讨论】：

非常感谢您的回复，非常感谢。
我只是按照您告诉我的方式检查了它，纯属巧合。谢谢你