每天五分钟机器学习：评价指标之准确率

本文重点

从本文开始我们将学习准确率这个评价指标，准确率是所有评价指标中最简单的评价指标了。比如我们上学的时候，我们做选择题，一共10道，我们做对了7道，那么我们可以认为准确率为70%。

准确率的定义

准确率是指分类正确的样本占总样本个数的比例，用公式表示就是：

 

准确率所存在的问题

比如现在有一个数据集中有100个样本，其中99个样本类别为1，而1个严格不能类别为0，那么我们直接构建一个分类器，这个分类器可以将所有样本都预测为类别为1，那么此时分类器的准确率就是99%，这个准确率够高了，但是此时的分类器却是死的，因为它对任何样本的结果都预测类别为1。

通过这个例子可以说明，当数据存在不均衡问题的时候，准确率就不能发挥效果了。我们可以通过平均准确率和F1值来解决。

其中F1值会在之后的课程中进行详细的介绍，本文将介绍平均准确率。

平均准确率

平均准确率就是按照类别划分的准确率。比如上面的例子中有两个类别，分别是类别0和类别1。现在类别1的准确率为100%，而类别0的准确率为0%，那么我们此时计算一下平均，此时的平均准确率为50%，那么此时50%就是一个非常低的数值了，通过这个指标评价模型还是比较客观的。