准确率是分类问题中最直观最简单的评价标准，但是我们在实际项目中并未用准确率作为评估标准，为啥呢，因为我们的数据并不是正负样本一比一的（多分类问题中label也通常不是等比的）,比如，当某个二分类问题中负样本占90%，如果一个模型把所有样本都预测为负样本，也可以得到90% 的准确率，就是说当不同类别的样本比例不均衡是，占比较大的类别就成为了影响准确率的最主要因素，所以通常我们不会用准确率作为评价标准
引用和评论
推荐阅读
xgboost原理
HelloData阅读 3k
数据集汇总｜18个电影/音乐数据集汇总，覆盖影片/歌曲推荐、电影评价、歌词识别、音乐流派······
超神经HyperAI赞 2阅读 487
label studio
吴季分赞 2阅读 143
一文读懂蒙特卡洛算法：从概率模拟到机器学习模型优化的全方位解析
deephub阅读 1.2k
一次性搞懂什么是AIGC（附专业术语）
SaaS知识库阅读 1.2k
SAM 2最新应用落地！牛津大学团队发布Medical SAM 2，刷新医学图像分割SOTA榜
超神经HyperAI阅读 1.1k
刚刚！ACL 2024公布7篇最佳论文，华中科技大学本科生一作成果获奖
超神经HyperAI阅读 1.1k
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用。你还可以使用@来通知其他用户。