我来把 macro-F1 / micro-F1 以及 head / tail 类指标 的含义解释清楚：

1. micro-F1

• 计算方式：把 所有样本 当作一个整体来统计 TP/FP/FN，再算 F1。
• 特点：大类样本多 → 大类的表现占主导。
• 在你的数据里，前 3 个 phylum 就占了 ~71%，所以 micro-F1 高低几乎完全取决于模型对这三大类的表现。

👉 解读：micro-F1 反映的是“整体精度”，偏向头部类的真实情况。

2. macro-F1

• 计算方式：对 每个类 分别算 F1，然后取平均。
• 特点：每个类权重相等，哪怕一个类只有几十个样本。
• 在你的数据里，长尾类（比如只有几十个甚至个位数的类）会被公平计入平均值。

👉 解读：macro-F1 反映的是模型是否“照顾到了长尾类”，能不能避免只会预测头部类。

3. 为什么要同时报告？

• 只看 micro-F1：模型可能在大类上表现很好（看起来 0.9+），但长尾类完全崩掉（全预测错），仍然有高分。
• 只看 macro-F1：长尾类权重过高（哪怕只有几个样本），整体分数可能被拉低，不代表实际部署价值。
• 两者结合：既能看模型总体实用性（micro），又能看对稀有类是否公平（macro）。

4. head / tail 类的拆分指标

在长尾分布下常用：

• head classes：样本数多的类（比如 top 10 类）。
• tail classes：样本数少的类（比如出现 < min_count=50 的类，或者后 100 个类）。

可以分别计算：

• head-accuracy / head-F1
• tail-accuracy / tail-F1

👉 解读：

• 如果 head 高、tail 低 → 模型只会预测大类。
• 如果 head 稍微下降、tail 明显提高 → 说明 focal loss / class weight / “Other” 策略起到了平衡作用。

5. 在你场景里的意义

• 你的数据 前 3 类 >70%，长尾一大堆。

• 所以：

  • micro-F1 基本等于“模型能否分对 Pseudomonadota / Bacillota / Actinomycetota” → 高了没太大信息量。
  • macro-F1 才能体现对 tail 类的改进 → focal loss、class weight、合并 Other 都是为了提高 macro-F1。
  • head/tail 指标能更直观地告诉你：模型到底是在“做大类分类器”，还是确实在学习长尾信号。

✅ 总结：
在报告里你可以这样写：

• 我们同时使用 micro-F1（整体性能） 和 macro-F1（类间公平性） 来评估模型。
• 另外按 head/tail 类划分进一步拆解，展示模型对大类与长尾类的不同表现。
• 改进措施（focal loss、合并 Other 类、λ 调整）若能提高 macro-F1 或 tail-F1，而不明显损害 micro-F1/head-F1，就说明方案是成功的。