模型準確率 - 計算分類準確率及各類別正確率

← ToolBox / 模型準確率

📖 檢視「模型準確率使用指南」

🧮 Model Accuracy Calculator

Compute overall accuracy and per-class accuracy from a confusion matrix, for model evaluation and error analysis reports.

📐 計算公式 / 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。

TP

TN

FP

FN

📐 計算公式與說明

Accuracy = (TP+TN)/(TP+TN+FP+FN)

類別不均衡時準確率易誤導，應結合其他指標。

📚 深度解析：模型準確率

💡 常見使用場景

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。

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。

❓ 常見問題（FAQ）

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。