宏平均（macro-average）和微平均（micro-average）是评估分类模型性能的两种常用方法。宏平均先计算每个类别的指标（如精确率、召回率、F1值），再对所有类别的结果取算术平均。它对所有类别平等对待，适合类别均衡的数据集。微平均则汇总所有类别的预测结果（如总TP、FP、FN等），再计算整体指标。它更关注样本数量多的类别，适合类别不平衡的数据集。简言之，宏平均重视每个类别的独立表现，而微平均侧重整体数据的统计结果。