まとめ
- งาน multi-class/multi-label ต้องเลือกวิธีรวมตัวชี้วัดให้ถูกต้อง
- Macro, Micro, และ Weighted ให้ภาพต่างกัน
- การเลือกวิธีรวมมีผลต่อการรายงานและเปรียบเทียบโมเดล
1. วิธีหลัก #
- Macro: เฉลี่ยต่อคลาส ให้ทุกคลาสน้ำหนักเท่ากัน
- Micro: รวมทุกตัวอย่างแล้วคำนวณครั้งเดียว
- Weighted: เฉลี่ยต่อคลาสตามจำนวนตัวอย่าง
2. ใช้เมื่อไร #
- Macro: ต้องการให้ทุกคลาสมีความสำคัญเท่ากัน
- Micro: สนใจภาพรวมทั้งหมด
- Weighted: ต้องการสะท้อนสัดส่วนจริงของข้อมูล
3. ข้อแนะนำ #
- เมื่อข้อมูลไม่สมดุล micro อาจซ่อนผลของคลาสส่วนน้อย
- แนะนำรายงานทั้ง macro และ weighted เพื่อให้ครบมุมมอง