多分類metric的macro-averge與micro-average

macro-average是每個類有相同的權重，precision、recall或f1_score，先求和再除以類別的個數。跟樣本的個數沒有關係。

micro-average：
每個樣本有相同的權重。

macro與micro的區別：

1. 如果各個類別的樣本個數相差不的話，macro-average與micro-average相差不大
2. 如果不同類型樣本個數不均衡時，比如有一個類型的樣本數據特別多，佔到80%以上。如果更注重這個大類的話用micro-averge。如果注重小類別的話用macro-average。
   

使用方法：

from sklearn.metrics import precision_score, recall_score, f1_score
p = precision_score(y_true, y_pred, averge='macro')
r = recall_score(y_true, y_pred, average='micro')