準確率

準確率（Accuracy）是最直觀的分類評估指標，表示模型正確預測的樣本數佔總樣本數的比例。

定義：

• Accuracy = (TP + TN) / (TP + TN + FP + FN)
• 正確預測的樣本比例
• 取值範圍 0-1（或0%-100%）

優勢：

• 直觀易懂：任何人都能理解
• 計算簡單：直接計數
• 通用性：適用於所有分類任務

局限：

• 類別不平衡問題：
• 99%負樣本時，全預測負也有99%準確率
• 掩蓋模型對少數類的差表現

• 不區分錯誤類型：
• 假陽性和假陰性同等對待
• 不同場景成本可能不同

適用場景：

• 類別平衡：各類樣本數相近
• 錯誤成本相同：假陽假陰同等重要
• 快速評估：初步模型篩選
• 簡單任務：二元平衡分類

不適用場景：

• 醫療診斷：漏診和誤診成本不同
• 欺詐檢測：正例極少
• 搜索系統：相關性評估

與其他指標結合：

• 類別不平衡時：結合Precision、Recall、F1
• 完整評估：查看混淆矩陣
• ROC曲線：不同閾值的表現

準確率是最基礎但需要謹慎使用的指標。