XGBoost三分类性能指标手算结果与分类报告不符问题咨询

你使用的混淆矩阵是按真实标签行归一化后的比例矩阵（每行数值求和约为1，仅保留2位小数存在截断误差），不是记录原始样本计数的混淆矩阵，直接拿比例值套用计数场景的指标公式，必然和分类报告输出结果存在偏差。

从分类报告可以拿到每个类别的真实样本量（support）：类别0共116个样本，类别1共317个样本，类别2共855个样本，总样本量1288。结合归一化矩阵的比例、分类报告的指标值反推，原始计数混淆矩阵（行=真实标签，列=预测标签，顺序对应0/1/2类）如下：

[
 [105,   6,   5],  # 真实为0类的样本预测结果分布
 [  0, 291,  26],  # 真实为1类的样本预测结果分布
 [  0,  55, 800]   # 真实为2类的样本预测结果分布
]

可以先做校验：

• 每行求和等于对应类的support：105+6+5=116，0+291+26=317，0+55+800=855，完全匹配
• 对角线元素为对应类的TP值：105/116≈0.9052（0类召回率）、291/317≈0.9180（1类召回率）、800/855≈0.9357（2类召回率），和分类报告完全一致

所有指标计算必须基于原始样本计数，不能用归一化比例值，计算规则如下：

单类别基础指标 #

对任意类别i，先从混淆矩阵取三个基础值：

• TP（真阳性）：混淆矩阵第i行第i列的数值，即真实为i、预测也为i的样本数
• FN（假阴性）：混淆矩阵第i行除对角线外所有值的和，即真实为i、预测为其他类的样本数
• FP（假阳性）：混淆矩阵第i列除对角线外所有值的和，即真实为其他类、预测为i的样本数

对应指标公式：

• 精确率：TP_i / (TP_i + FP_i)，即所有被预测为i的样本中，真实属于i类的比例
  校验：0类精确率=105/(105+0+0)=1.0000，1类精确率=291/(6+291+55)≈0.8267，2类精确率=800/(5+26+800)≈0.9627，和报告完全匹配
• 召回率：TP_i / (TP_i + FN_i)，即所有真实为i的样本中，被正确预测的比例
• F1值：2 * 精确率_i * 召回率_i / (精确率_i + 召回率_i)

全局汇总指标 #

• 准确率：所有类别TP之和 / 总样本数，即混淆矩阵对角线元素总和除以矩阵所有元素总和
  校验：(105+291+800)/1288=1196/1288≈0.9286，和报告完全匹配
• 宏平均（macro avg）：分别对三个类别的精确率、召回率、F1值求算术平均，不考虑各类样本量差异
  校验：宏平均精确率=(1.0000+0.8267+0.9627)/3≈0.9298，和报告完全匹配
• 加权平均（weighted avg）：分别对三个类别的精确率、召回率、F1值，以各类的真实样本量（support）为权重求加权平均
  校验：加权召回率=(1160.9052 + 3170.9180 + 855*0.9357)/1288≈0.9286，和报告数值一致（多分类场景下加权召回率与准确率数值相等）

• 混淆矩阵类型误用：不要把归一化后的比例矩阵当成原始计数矩阵使用，这类矩阵仅用于展示预测分布比例，不能直接用于指标计算
• 行列定义搞反：绝大多数工具输出的混淆矩阵行对应真实标签、列对应预测标签，若搞反行列，FP、FN的计算会完全错位
• 平均规则混淆：宏平均是无权重算术平均，加权平均是按真实类样本量加权，二者计算逻辑不同结果也有差异

内容的提问来源于stack exchange，提问作者SAT