计算分类精度的最佳方法？
The best way to calculate classification accuracy?
我知道一个计算class化验准确度的公式是X = t / n * 100（其中t是正确class化验的数量n 是样本总数。)
但是，假设我们总共有 100 个样本，class A 中有 80 个，class B 中有 10 个，class C 中有 10 个。
场景1：所有100个样本都分配给class A，通过使用公式，我们得到准确率等于80%。
场景 2： 10 个属于 B 的样本被正确分配给 class B ；10 个属于 C 的样本被正确分配给 class C 作为出色地; 30个属于A的样本正确分配给了classA；其余 50 个属于 A 的样本被错误地分配给了 C。通过使用该公式，我们得到了 50% 的准确率。
我的问题是：
1：我们能说场景一的准确率比场景二高吗？
2：class化问题有没有办法计算准确率？
非常感谢！
分类准确度定义为"percentage of correct predictions"。无论 classes 的数量如何，情况都是如此。因此，场景 1 比场景 2 具有更高的class化准确率。
但是，听起来您真正想要的是替代评估指标或流程，"rewards" 场景 2 仅用于犯某些类型的错误。我有两个建议：
- 创建 confusion matrix：它描述了 classifier 的性能，以便您可以查看 classifier 所犯的错误类型。
- 计算每个 class 的精度、召回率和 F1 分数。平均 F1 分数可能是您正在寻找的单数指标。
scikit-learn 文档的 Classification metrics section 有很多关于 classifier 评估的有用信息，即使您不是 scikit-learn 用户也是如此。
我知道一个计算class化验准确度的公式是X = t / n * 100（其中t是正确class化验的数量n 是样本总数。)
但是，假设我们总共有 100 个样本，class A 中有 80 个，class B 中有 10 个，class C 中有 10 个。
场景1：所有100个样本都分配给class A，通过使用公式，我们得到准确率等于80%。
场景 2： 10 个属于 B 的样本被正确分配给 class B ；10 个属于 C 的样本被正确分配给 class C 作为出色地; 30个属于A的样本正确分配给了classA；其余 50 个属于 A 的样本被错误地分配给了 C。通过使用该公式，我们得到了 50% 的准确率。
我的问题是：
1：我们能说场景一的准确率比场景二高吗？
2：class化问题有没有办法计算准确率？
非常感谢！
分类准确度定义为"percentage of correct predictions"。无论 classes 的数量如何，情况都是如此。因此，场景 1 比场景 2 具有更高的class化准确率。
但是，听起来您真正想要的是替代评估指标或流程，"rewards" 场景 2 仅用于犯某些类型的错误。我有两个建议：
- 创建 confusion matrix：它描述了 classifier 的性能，以便您可以查看 classifier 所犯的错误类型。
- 计算每个 class 的精度、召回率和 F1 分数。平均 F1 分数可能是您正在寻找的单数指标。
scikit-learn 文档的 Classification metrics section 有很多关于 classifier 评估的有用信息，即使您不是 scikit-learn 用户也是如此。