机器学习 习 的准确性是多少？

准确性是分类法中的一个基本指标，它直接衡量模型执行预期任务的程度。

准确性表示数据集中正确实例数与实例总数的比率。 简而言之，它回答了这个问题：“在所有**中，有多少是真实的？”

（tp）：该模型是正确和积极的实例。

(tn)：模型准确捕获负类。

(fp)：这些是模型误差正类的情况。

(fn)：这是指模型无法识别正类，而是将其标记为负类。

准确性通常是评估分类模型时要考虑的第一个指标。 它易于理解，并提供了模型性能的快速快照。 例如，如果模型的准确率为 90%，则每 100 个实例中有 90 个实例的准确率是正确的 **。 然而，虽然准确性很有价值，但知道何时使用它也很重要。 如果类别相对平衡，并且每个类别的错误分类成本相同，则准确性可以成为可靠的指标。

AI助手创作季 此外，在实际场景中，不同类型错误的代价可能会有所不同。 例如，在医学诊断中，假阴性（未能识别疾病）可能比假阳性产生更严重的后果。