在“多类别分类”中计算每类平均准确度问题？

Question

我正在使用多类分类问题，并使用XGBoost解决了。唯一类的数量为7。

我获得了有关每个班级的精度，召回率和F1得分的分类报告。

我没有任何编码线索可尝试在Python中进行尝试。

我需要每个班级的平均班级准确性。是否有任何数学公式可以计算每班的准确性。

更新：

Test data per class samples:
 Class   # samples
   0      13
   1      16
   2       9

SVM predictions per class samples:
  Class   # samples
   0        13
   1        15
   2        10

SVM Classification Report is:
svm               precision    recall  f1-score   support

           0       1.00      1.00      1.00        13
           1       1.00      0.94      0.97        16
           2       0.90      1.00      0.95         9

   micro avg       0.97      0.97      0.97        38
   macro avg       0.97      0.98      0.97        38
weighted avg       0.98      0.97      0.97        38

您能根据这个建议我吗？

Answer 1

每班召回=（正确识别班级成员）/（班级成员人数）

将每个类别的召回值乘以该类别中实际存在的样本数，即可得出正确分类的各个类别的数目，将这些总数相加即可得出正确预测的总数，然后除以总数以获得平均每类准确性的样本数。