マクロ平均・マイクロ平均・重み付き平均の違いとは？【DS検定】

DS検定トップ＞マクロ平均・マイクロ平均・重み付き平均の違いとは？【DS検定】

まず結論

マクロ平均・マイクロ平均・重み付き平均とは、分類モデルの評価指標をどのように平均するかの違いです。
DS検定では「不均衡データのとき、どの平均を使うと何が見えるか」を判断させる問題が出ます。

直感的な説明

クラスAが100件、クラスBが10件あるとします。

モデルがAばかり当てて、Bをほとんど当てられなかった場合、

全体では「よく当たっている」ように見える
でもBだけ見ると「ほぼ失敗している」

このズレをどう扱うかが、平均手法の違いです。

定義・仕組み

分類では、クラスごとに再現率などを計算できます。
その「クラスごとの値」をどうまとめるかがポイントです。

マクロ平均

各クラスで指標を計算
単純に平均する
クラス数で割るだけ

👉 データ数の多さは考慮しない

マイクロ平均

全体をまとめて集計
正解数や誤分類数を合算してから計算

👉 件数の多いクラスの影響が大きい

重み付き平均

各クラスの指標に
そのクラスのデータ数を掛けて平均

👉 クラス割合を反映する

実際の計算例（再現率で比較）

次のような2クラス分類を考えます。

	予測A	予測B
実際A（100件）	90	10
実際B（10件）	8	2

① 各クラスの再現率

Aの再現率：90 / 100 = 0.9
Bの再現率：2 / 10 = 0.2

👉 少数派Bはほとんど当てられていない

② マクロ平均

(0.9 + 0.2) ÷ 2 = 0.55

👉 少数派Bの低さがしっかり反映される

③ マイクロ平均

全体の正解数は
90 + 2 = 92

全体のデータ数は
110

92 ÷ 110 ≒ 0.836

👉 Aが多いため、高く見える

④ 重み付き平均

(0.9 × 100 + 0.2 × 10) ÷ 110
= (90 + 2) ÷ 110
= 0.836

👉 今回はマイクロ平均と同じ値になる

※ ただし、常に同じになるわけではありません。

どんな場面で使う？

マクロ平均

不均衡データ
少数クラスも重要な場合
医療・不正検知など

マイクロ平均

全体性能を見たい場合
データ量が多く、全体精度が重要な場合

重み付き平均

実際のクラス割合を反映した評価をしたい場合
ビジネス上の出現頻度が重要な場合

よくある誤解・混同

① 「精度が高い＝良いモデル」

不均衡データでは誤り。

DS検定では
「精度が高いからバランスが良い」と書かれていたら注意。

② マクロ平均＝全体平均

違います。

選択肢で
「全データをまとめて平均」とあれば、それはマイクロ平均。

③ 重み付き平均とマイクロ平均は常に同じ？

誤り。

2クラス・再現率では一致することがありますが、
常に同じになるわけではありません。

まとめ（試験直前用）

マクロ平均：各クラスを平等に扱う
マイクロ平均：全体をまとめて評価
重み付き平均：件数で調整

不均衡データでは
「どの平均か？」を必ず確認する。

DS検定では
評価方法の選び方が問われる。

対応スキル項目（データサイエンス力シート）

データ理解
モデル評価
★ モデルの評価指標を理解し、適切に解釈できる

🔗 関連記事

🏠 DS検定トップに戻る