本文主要是介绍模型准确率accuracy，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
以二分类问题为例：
假如：共有365个水果，只有两种类别，橙子和橘子.
准确率=分类正确数/365x100%
不足：假如365个水果当中有364个橙子，1个橘子。现有分类器，无论来什么水果都判定为橙子。准确率可达99.7%，但是显而易见这个模型根本没有判别能力。再换一组数据，准确率将直线下降。
上面这种现象称为label不平衡
以准确率判定模型是否优秀不够科学，所以引入ROC曲线。
这篇关于模型准确率accuracy的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
