多クラスモデルの評価

7種類の雲のタイプをどれだけうまく分類できるかを見るために、精度（precision）と再現率（recall）でクラウド分類器を評価してみましょう。多クラス分類では、クラス間でどのように平均化するかが重要です。次の4つのアプローチを思い出してください。

平均化せず、クラスごとに結果を分析する；
クラスを無視し、全サンプルをまとめて指標を計算するマイクロ平均；
クラスごとに指標を計算し、それらを平均するマクロ平均；
マクロ平均に似ていますが、クラスのサイズで重み付けする重み付き平均。

Precision と Recall はすでに torchmetrics からインポート済みです。モデルの性能を確認していきましょう！

1
- すべてのサンプルを対象にグローバルに計算される precision と recall の指標を定義してください。

2
- 各クラスごとに個別の recall と precision を計算し、単純平均で平均化するようにコードを変更してください。