Label based measures evaluate each

Label based measures evaluate each label separately and then averages over all labels.
Therefore, any known measure, used for evaluation of a binary classifier (e.g. accuracy, precision, recall, F_1 , ROC etc.), can be used here.
Any of these scores can be computed on individual class labels first and then averaged over all classes. In contrast, they can be computed globally over all instances and all class labels.
The first one is called macro averaging and the second one is called micro averaging [63]. Below are the definitions for macro and micro averaged precision, recall and F_1 .

Kết quả (Việt) 1:

Các biện pháp nhãn dựa trên đánh giá nhãn mỗi một cách riêng biệt và sau đó trung bình trên tất cả nhãn. Do đó, là bất kỳ biện pháp được biết đến, được sử dụng để đánh giá một loại nhị phân (ví dụ như độ chính xác, độ chính xác, nhớ lại, F_1, Trung Hoa dân quốc vv), có thể được sử dụng ở đây. Bất kỳ các điểm có thể được tính trên nhãn cá nhân lớp đầu tiên và sau đó trung bình trên tất cả các lớp. Ngược lại, họ có thể được tính trên toàn cầu trong trường hợp tất cả và tất cả lớp nhãn. Người đầu tiên được gọi là vĩ mô trung bình và thứ hai được gọi là vi trung bình [63]. Dưới đây là định nghĩa cho vĩ mô và vi trung bình chính xác, thu hồi và F_1.

Kết quả (Việt) 2:

Các biện pháp dựa Label đánh giá từng nhãn riêng biệt và sau đó trung bình trên tất cả các nhãn.
Vì vậy, bất kỳ biện pháp được biết đến, được sử dụng để đánh giá một bộ phân loại nhị phân (ví dụ như độ chính xác, độ chính xác, thu hồi, F_1, Trung Hoa Dân Quốc, vv), có thể được sử dụng ở đây.
Bất kỳ của các điểm số có thể được tính trên nhãn lớp cá nhân đầu tiên và sau đó trung bình trên tất cả các lớp học. Ngược lại, họ có thể được tính trên toàn cầu trong tất cả các trường và tất cả các nhãn lớp.
Người đầu tiên được gọi là trung bình vĩ mô và điều thứ hai được gọi là vi trung bình [63]. Dưới đây là các định nghĩa cho vĩ mô và vi mô trung bình chính xác, thu hồi và F_1.