加重平均とは
加重平均（Weighted Average）とは、多クラス分類の評価において、各クラスの指標をそのクラスのサンプル数（サポート）で重み付けして平均する集約方法です。データセットにおけるクラスの出現頻度を反映した評価値を得ることができます。
| ひとことで言うと | 各クラスの件数で重みを付けて、指標を平均する方法。 |
|---|---|
| どこで使う | 実データの分布をそのまま反映した、全体性能を知りたいとき。 |
| 注意点 | 件数の多いクラスに引っ張られ、少数クラスの弱さが隠れる。 |
加重平均の計算
加重平均は、各クラスの指標にそのクラスのサンプル数を掛け合わせた値の合計を、全サンプル数で割ることで計算されます。例えば、クラスAが100サンプル、クラスBが900サンプルの場合、クラスBの指標がクラスAの9倍の重みで反映されます。
1クラスごとのF値各クラスの成績
▶
2件数を重みに多いクラスほど影響大
▶
3掛けて合計重み付きの和
▶
4総件数で割る全体の平均値
マクロ平均・マイクロ平均との違い
マクロ平均がすべてのクラスを平等に扱うのに対し、加重平均はサンプル数に応じた重みを付けます。マイクロ平均と似た傾向を示しますが、適合率・再現率・F1スコアそれぞれについて独立に計算される点が異なります。クラス不均衡がある場合、加重平均はデータの実際の分布を反映した値を提供します。
加重平均の活用
加重平均は、各サンプルの重要度が同じであるという仮定の下で最も自然な集約方法です。実運用環境でのモデルの期待性能を見積もる際に適しており、scikit-learnの分類レポートでも標準で出力される指標です。ただし、少数クラスの性能が埋もれやすいため、マクロ平均と併用して評価することが推奨されます。