1. Micro 평균 • 전체 데이터 기준으로 성과를 계산. • 각 클래스의 TP(True Positive), FP(False Positive), FN(False Negative)를 모두 합산한 후 계산. • 클래스의 비율에 영향을 받는다. 즉, 데이터가 많은 클래스가 더 큰 비중을 차지하게 된다. 특징: • 모든 데이터에 대해 전반적으로 얼마나 잘 맞췄는지 평가. • 클래스 간 비중이 크게 다른 경우, 데이터가 많은 클래스의 성과가 더 중요해진다. 2. Macro 평균 • 각 클래스별로 성과를 계산한 뒤, 평균을 냄. • 모든 클래스를 동등하게 취급. • 데이터가 적은 클래스도 동등한 비중으로 반영된다. 특징: • 클래스가 적게 포함되거나 불균형해도 모든 클래스가 똑같이 중요하게 평가됨. • 클래스별 ..
