《百面机器学习》第七问：准确率的局限性-为什么分类的准确率很高，但应用起来效果很差？
【摘要】 目录
回顾知识点：
实际场景：
1. 什么是分类的准确率？
2. 如何避免由于样本比例不均衡导致准确率失效？
回顾知识点：
准确率 ： Accuracy
精确率 ： Precision
召回率 ： Recall
均方根误差 ： Root Mean Square Error, RMSE
实际场景：
拿到奢侈品用户数据，训练和测试奢侈品用...
目录
回顾知识点：
准确率 ： Accuracy
精确率 ： Precision
召回率 ： Recall
均方根误差 ： Root Mean Square Error, RMSE
实际场景：
拿到奢侈品用户数据，训练和测试奢侈品用户的分类模型，该模型分类准确率超过95%，但是实际应用效果很不好，还是会将结果显示为非奢侈用户，原因？
1. 什么是分类的准确率？
Accuracy = n(分类正确的) / n(总数)
准确率是分类问题的最简单直观的评价指标，但有明显问题。假如不同样本的比例非常不均衡，占大比例的类别往往会成为影响准确率的主要原因：比如，有100个样本，95个负样本，5个正样本，即使全部描述为负样本，准确率也是95%，那 正样本等于说你一个都没有识别出来！！！
2. 如何避免由于样本比例不均衡导致准确率失效？
使用更为有效的平均准确率（每个类别下的样本准确率的算术平均值）。
文章来源: kings.blog.csdn.net，作者：人工智能博士，版权归原作者所有，如需转载，请联系作者。
原文链接：kings.blog.csdn.net/article/details/97615452
【版权声明】本文为华为云社区用户转载文章，如果您发现本社区中有涉嫌抄袭的内容，欢迎发送邮件进行举报，并提供相关证据，一经查实，本社区将立刻删除涉嫌侵权内容，举报邮箱：
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
作者其他文章
评论（0）