Microaveraging vs. Macroaveraging

이진 분류기의 성능을 계산할 때 우리는 confusion matrix (혼동행렬) 을 그려 True positive, True negative, False positive, False negative를 확인하고 이를 통해 precision, recall, accuracy등을 확인할 수 있다.

그런데 만약 분류해야 할 클래스가 3개 이상이라면 어떻게 해야할까?

두 가지 방식이 있는데 바로 Microaveraging 과 Macroaveraging이다. 둘의 차이를 확인해보자. 

 

Macroaveraging

구하고 싶은 각각의 클래스에 대해서 성능을 계산한다. 그 이후 각 클래스에 대한 평균값이 최종 성능이 된다.

만약 클래스가 4개라면, 작은 confusion matrix 4개를 그리고, 이 4개에 대한 평균값으로 성능을 구할 수 있는 것이다.

 

Microaveraging

모든 클래스의 결과를 하나의 confusion matrix로 나타내어 각 성능을 구할 수 있는 방식이다.

 

Microaveraging 방식으로 계산된 score는 흔하게 나타나는 클래스에 대한 점수로 결정된다.