マクロ平均（Macro Average）
マクロ平均（Macro Average）とは、機械学習モデルの評価指標を複数のクラス（カテゴリー）に対して算出するときに、各クラスの結果を同じ重みで平均する方法です。これは、すべてのクラスに等しい重要性を与えるため、クラスごとのデータ数が大きく異なる場合でも、全てのクラスが均等に考慮されます。
例えば、分類問題で3つのクラスがある場合、それぞれのクラスの精度やリコールを計算し、それらの平均を取ります。具体的には、各クラスの評価指標（精度、リコールなど）を個別に計算し、それらを合計してクラス数で割ることでマクロ平均（Macro Average）が得られます。
マクロ平均（Macro Average）は、少数のデータしか持たないクラスでも同等に扱うため、データの偏りがある場合でも各クラスのパフォーマンスを平等に評価できますが、データ数が少ないクラスの影響を受けやすいという特徴があります。
マクロ平均（Macro Average）関連用語
マクロ平均（Macro Average）に関連する単語は以下の通りです。
- マイクロ平均（Micro Average）
- 精度（Precision）
- リコール（Recall）
- F1スコア（F1 Score）
マクロ平均（Macro Average）やさしい解説
マクロ平均（Macro Average）とは、AIや機械学習で、たくさんのグループ（クラス）があるときに、それぞれのグループの結果を平均する方法です。すべてのグループに同じ重みを与えて計算するため、どのグループにも公平に評価を行います。
例えば、テストの結果を考えてみましょう。クラスA、クラスB、クラスCの3つのクラスがあって、それぞれのクラスの成績を見ます。マクロ平均では、各クラスの成績を計算して、その平均を取ります。どのクラスの人数が多くても少なくても、すべてのクラスを同じように扱います。
この方法だと、クラスごとの人数に関係なく、どのクラスも平等に評価されるので、少人数のクラスでも影響が大きくなります。
簡単に言うと、マクロ平均（Macro Average）は「全員が平等に見られる平均の取り方」です。
AI関連の用語集【まとめ】
AI関連の用語集が気になる方のために、用語集一覧を作成しました。AIに関する学びを深めたいとお考えの方はぜひご覧ください。
＼AIの導入・開発・相談なら【クラベルAI】に相談しよう！／
