## 评估 

本次比赛的评估指标为宏观 F1 分数（Macro F1-score）。宏观 F1 分数是对每个类别的 F1 分数取平均值，不考虑类别样本的数量。它对所有类别一视同仁，F1 分数是精确率（Precision）和召回率（Recall）的调和平均数，公式如下：

$$
F1=\frac{2TP}{2TP+FP+FN}=\frac{2(Recall*Precision)}{Recall+Precission}
$$
- TP 表示真正例的数量  (正确预测为正类的样本数),
- FP 表示假正例的数量  (错误预测为正类的负类样本数),
- FN 表示假负例的数量  (错误预测为负类的正类样本数).
最终的宏观 F1 分数是所有类别 F1 分数的平均值，不考虑每个类别中样本数量的差异。

## 文件格式 
您的提交文件应为 CSV 格式，带有标题和列名称：ImageId 和 ClassId。提交中的每一行表示给定图像和预测的分类。每个图像的预测结果为数字标签。ImageId 和 ClassId 列应按以下格式填写：

| ImageID       | ClassID |
| ------------- | ------- |
| 0934b8bff.jpg | 1       |
| 5994c3b58.jpg | 1       |
| ec52fac2d.jpg | 3       |

请确保每个图像的预测类别与您的模型输出一致。