【漫话机器学习系列】080.准确率（Accuracy）

准确率（Accuracy） 是分类问题中最常见的评价指标之一，表示模型预测正确的样本数量占总样本数量的比例。准确率简单易懂，但在数据不平衡的情况下可能无法很好地反映模型的实际表现。

1. 定义

准确率的计算公式如下：

其中：

• TP (True Positive)：真正例，模型正确预测为正类的样本数。
• TN (True Negative)：真反例，模型正确预测为负类的样本数。
• FP (False Positive)：假正例，模型错误地预测为正类的负类样本数。
• FN (False Negative)：假反例，模型错误地预测为负类的正类样本数。

2. 应用场景

准确率常用于分类任务中，尤其是在类别分布均衡的情况下。它适用于一些需要评估总体分类表现的场景，比如：

• 简单的二分类任务，如垃圾邮件分类、肿瘤检测等。<