準確率 85% 算好嗎？

取決於基線。若正類僅佔 10%，全猜負類就有 90% 準確率卻毫無正類識別力；此時應看精確率/召回/F1 與 PR 曲線。

多分類怎麼算精確率？

常用宏平均(各類指標等權平均，看重小類)或微平均(彙總所有 TP/FP/FN，等價於整體準確率)，按業務對小類敏感度選擇。

分類準確率評估 - 免費線上人工智慧工具

📋 Classification Accuracy Evaluator

Enter TP / FP / FN / TN from a confusion matrix to get accuracy, precision, recall and F1 for a binary classifier. Everything runs locally in the browser.

📐 計算公式 / 原理

準確率 = (TP+TN)/(TP+FP+FN+TN)×100%；精確率 = TP/(TP+FP)×100%；召回率 = TP/(TP+FN)×100%；F1 = 2TP/(2TP+FP+FN)×100%

由混淆矩陣四類計數推導：準確率衡量整體判對比例，精確率關注"報為正的有多少真"，召回率關注"真正例被找出多少"，F1 是二者調和平均。樣本極度不平衡時準確率會失真，應改看 F1 或 PR 曲線下的面積。

真正例 TP

假正例 FP

假反例 FN

真反例 TN

📚 深度解析：分類準確率評估

💡 常見使用場景

準確率 Accuracy=(TP+TN)/(TP+TN+FP+FN)，衡量整體正確比例。
精確率 P=TP/(TP+FP) 關注預測為正的純度；召回 R=TP/(TP+FN) 關注正類覆蓋。
F1=2PR/(P+R) 在類別不平衡時比準確率更可靠。

二分類四指標

TP=70, FP=10, FN=20, TN=100：準確率=(70+100)/200=85%，P=70/80=87.5%，R=70/90=77.8%，F1=2×0.875×0.778/(0.875+0.778)≈82.4%。

❓ 常見問題（FAQ）

準確率 85% 算好嗎？: 取決於基線。若正類僅佔 10%，全猜負類就有 90% 準確率卻毫無正類識別力；此時應看精確率/召回/F1 與 PR 曲線。
多分類怎麼算精確率？: 常用宏平均(各類指標等權平均，看重小類)或微平均(彙總所有 TP/FP/FN，等價於整體準確率)，按業務對小類敏感度選擇。

分類準確率評估

📋 Classification Accuracy Evaluator

📐 計算公式與說明

📚 深度解析：分類準確率評估

💡 常見使用場景

❓ 常見問題（FAQ）

🔗 相關工具