模型準確率 使用指南

輸入混淆矩陣，計算分類準確率及各類別正確率，適用於模型效果評估、錯誤分析與報告產出。

計算公式與原理

準確率 = (TP+TN)/(TP+TN+FP+FN)×100%

分類模型最直觀的整體判對比例。它隱含"各類代價相同"的假設，當負樣本佔絕大多數時（如 99:1 的欺詐檢測），恆判負類即可拿到 99% 準確率卻毫無價值，此時必須配合精確率、召回率或 MCC 一起判讀。

使用步驟

1. 填寫「TP」。
2. 填寫「TN」。
3. 填寫「FP」。
4. 填寫「FN」。
5. 結果區會即時更新；可一鍵複製結果用於記錄或彙報。

典型使用場景

• 整體準確率=(正確預測數)/(總樣本數)，按混淆矩陣 TP+TN 之和計算。
• 各類別正確率=該類別預測正確數/該類別樣本數，揭示對少數類的表現。
• 類別不平衡時整體準確率易虛高，需結合宏/微平均與混淆矩陣解讀。

算例參考

• 整體與各類別：三類各 100 樣本，A 類對 90、B 類對 80、C 類對 60 → 整體準確率=(90+80+60)/300=76.7%；各類別 90%/80%/60%，可見模型在 C 類最弱。

注意事項

結果為按上述公式得到的理論估算值，實際表現受資料分佈、實現細節與執行環境影響，落地決策請以實測為準；本工具純前端執行，輸入不上傳伺服器。

整體準確率高但某類很差是正常的嗎？

在不平衡或多類場景中常見，說明模型偏向多數/易分樣本。應報告各類別準確率與混淆矩陣，而非只看整體數字。

準確率和 F1 衝突聽誰的？

看業務代價。若漏檢/誤判代價高(醫療、風控)，優先看精確率/召回/F1 與具體類別指標，而非整體準確率。