计算分类准确度的最佳方法是？

Question

我知道计算分类准确度的一个公式是 X = t / n * 100 （其中t是正确分类的数量，n是样本的总数。）

但是，假设我们共有100个样本，A类80个，B类10个，C类10个。

场景1：所有100个样本都被分配到A类，通过使用公式，我们得到的准确度等于80％。

场景2：属于B的10个样本被正确分配给B类;属于C的10个样本也正确分配给C类; 30个样本属于A，正确分配给A类;其余50个属于A的样本被错误地分配给C.通过使用该公式，我们得到了50％的准确度。

我的问题是：

1：我们可以说情景1的准确率高于情景2吗？

2：有没有办法计算分类问题的准确率？

非常感谢！

Answer 1

分类准确度定义为＆＃34;正确预测的百分比＆＃34;。无论课程数量多少都是如此。因此，方案1具有比方案2更高的分类准确度。

然而，听起来您真正要求的是另一种评估指标或流程，即奖励＆＃34;方案2仅用于表达某些类型的错误。我有两个建议：

1. 创建confusion matrix：它描述了分类器的性能，以便您可以查看分类器所犯的错误类型。
2. 计算每个班级的精确度，召回率和F1分数。 F1平均分数可能是您要查找的单数字指标。

scikit-learn文档的Classification metrics section有很多关于分类器评估的好信息，即使你不是scikit-learn用户。