鉴于我有一个深度学习模型（前同事的交接）。由于某种原因，train/dev 集丢失了。

在我的情况下，我想将我的数据集分为 100 个类别。数据集极度不平衡。数据集大小约千万

首先，我运行模型并获得对整个数据集的预测。

然后，我对每个类别抽取 100 条记录（根据预测），得到一个 10,000 个测试集。

接下来，我为测试集标记了每条记录的基本事实，并计算了每个类别的准确率、召回率、f1，得到了 F1-micro 和 F1-macro。

如何估计整个数据集的准确性或其他指标？我使用每个类别的精度的加权和（权重是预测在整体上的比例）来估计是否正确？