鉴于我有一个深度学习模型（从前同事那里移交）。由于某些原因，缺少训练/开发集。
根据我的情况，我想将数据集分为100个类别。数据集极不平衡。数据集的大小约为几千万
首先，我运行模型并获得整个数据集的预测。
然后，我根据类别对100个记录进行了采样（根据预测），并获得了10,000个测试集。
接下来，我为测试集标记每个记录的基本事实，并计算每个类别的精度，召回率，f1，并得到F1-micro和F1-macro。
如何估算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总和（权重是整体上预测的比例）进行估算是否正确？
由于预测类别的分布与真实类别的分布不同，因此我认为加权方法不起作用。有人可以解释吗？