准确率(Accuracy)是衡量模型预测结果准确性的一个常用指标，其计算公式为：
[ \text{准确率} = \frac{\text{预测正确的样本数}}{\text{所有样本数}} \times 100% ]
其中：
-
预测正确的样本数 ：指模型预测结果与实际结果相符的样本数量。
-
所有样本数 ：指用于评估模型的全部样本数量。
准确率越高，说明模型的预测结果越准确。准确率适用于分类问题，特别是在二分类问题中，还可以进一步细分为精确率(Precision)和召回率(Recall)。
扩展信息
-
精确率 ：指模型预测为正例的样本中，实际为正例的比例，计算公式为 \(\text{精确率} = \frac{\text{TP}}{\text{TP} + \text{FP}}\)，其中TP(True Positive)为真正例，FP(False Positive)为假正例。
-
召回率 ：指所有实际为正例的样本中，模型预测为正例的比例，计算公式为 \(\text{召回率} = \frac{\text{TP}}{\text{TP} + \text{FN}}\)，其中FN(False Negative)为假负例。
在实际应用中，准确率、精确率和召回率通常需要综合考虑，以全面评估模型的性能。