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