accuracy score
Accuracy score er en metrik, der måler andelen af korrekte forudsigelser ud af alle forudsigelser i en klassifikationsmodel.
Kort fortalt
Kort fortalt: accuracy score er, hvor ofte modellen har ret — antal rigtige svar divideret med alle svar.
- Kategori
- metrik
- Niveau
- begynder
- Udtale
- /ˈæk.jʊ.rə.si skɔːr/
Betydninger
1- 1
En metrik, der beregner forholdet mellem korrekte klassifikationer (både sande positive og sande negative) og det samlede antal klassifikationer.
- Modellens accuracy score på testdata var 0,95, hvilket betyder, at den klassificerede 95 % af prøverne korrekt.
- Accuracy score alene kan være misvisende ved ubalancerede datasæt, da en model der altid forudsiger majoritetsklassen kan opnå høj accuracy.
Hvornår bruges det
Accuracy score bruges ofte som en grundlæggende evalueringsmetrik for klassifikationsmodeller, især når datasættet er balanceret (alle klasser har omtrent lige mange eksempler). Den anvendes bredt i alt fra binær klassifikation (f.eks. spam-detektion) til multi-klasse opgaver (f.eks. billedgenkendelse).
Formel
Accuracy = (TP + TN) / (TP + TN + FP + FN)Kodeeksempel
from sklearn.metrics import accuracy_score
y_true = [0, 1, 0, 1]
y_pred = [0, 1, 0, 0]
print(accuracy_score(y_true, y_pred)) # Output: 0.75Eksempel på brug af accuracy_score fra scikit-learn til at beregne nøjagtigheden af en klassifikator.
Oprindelse
Termen stammer fra statistik og maskinlæring, hvor 'accuracy' betyder nøjagtighed eller præcision i forudsigelser.