机器学习的accuracy是怎么算的
时间: 2023-11-03 07:06:11 浏览: 33
机器学习中的accuracy(准确率)通常是指分类模型的分类正确率,即被正确分类的样本数占总样本数的比例。具体计算方式如下:
$$Accuracy = \frac{TP+TN}{TP+TN+FP+FN}$$
其中,TP表示真正例数(True Positive),即正确分类为正例的样本数;TN表示真反例数(True Negative),即正确分类为反例的样本数;FP表示假正例数(False Positive),即错误地将反例分类为正例的样本数;FN表示假反例数(False Negative),即错误地将正例分类为反例的样本数。
例如,对于一个二分类问题,有100个样本,其中70个为正例,30个为反例。分类模型对这些样本进行分类,结果如下:
| 真实情况 | 预测结果 |
| :------: | :------: |
| 正例 | 正例 |
| 正例 | 反例 |
| 正例 | 正例 |
| 反例 | 反例 |
| 正例 | 正例 |
| 反例 | 正例 |
| 反例 | 反例 |
| 反例 | 反例 |
| 正例 | 正例 |
| 正例 | 正例 |
| 反例 | 反例 |
| 正例 | 正例 |
| 正例 | 正例 |
| 反例 | 反例 |
| 正例 | 正例 |
| 正例 | 正例 |
| 正例 | 正例 |
| 反例 | 反例 |
| 正例 | 反例 |
| 正例 | 正例 |
其中,TP=15,TN=3,FP=2,FN=0。因此,该模型的准确率为:
$$Accuracy=\frac{TP+TN}{TP+TN+FP+FN}=\frac{15+3}{15+3+2+0}=0.9$$
即该模型的准确率为90%。