精度和召回率是针对单个二元分类问题定义的，它们不能直接用于多类或多标签分类。但是，可以使用微平均或宏观平均精度（或召回率），这是评估多个类别的标准方法。

显然你正在使用宏观平均，你的例子应该这样解释：

                class 1    class 2    class 3
Ground-Truth: [[1, 1, 0], [1, 0, 0], [0, 1, 1]]
Prediction:   [[1, 1, 0], [0, 0, 0], [0, 0, 1]]

计算精度为 1 级。

如果是这样，您对第 3 类有误，精度也是 1，而不是 0.5。

回答您的问题：在第 2 类的情况下，精度不为零，它是未定义的 (NaN)，因为没有实例预测为正。严格来说，宏观平均值也是未定义的，因为一个值为 NaN。但是如果你必须计算宏观平均值，那么在选项 (a) 中丢弃类 2 比在选项 (b) 中将其精度计为零更有意义，这是不正确的。