准确度= 1-测试错误率

抱歉，这是一个非常明显的问题，但我一直在阅读各种文章，似乎找不到很好的确认。在分类的情况下，分类器的精度是否为1-测试错误率？我得到的准确度是，但是我的问题是准确度和测试错误率到底有何关系。 $\frac{TP+TN}{P+N}$

原则上是，准确性是正确预测的案例的分数，因此是错误分类的案例的分数，即错误（比率）。这两个术语有时可能会以更模糊的方式使用，但是涵盖了诸如类平衡的错误/准确性甚至F分数或AUROC之类的不同内容-始终最好在论文中寻找/包括适当的说明或报告。

还要注意，测试错误率暗含测试集上的错误，因此很可能是1个测试集的准确性，并且可能还有其他准确性。

@mbq回答：

“ 1-错误分类的案例的分数，即错误（比率）”

但是，错误分类和错误是同一回事，这似乎是错误的。参见以下内容（来自http://www.dataschool.io/simple-guide-to-confusion-matrix-terminology/）：

准确性：总体而言，分类器多久正确一次？（TP + TN）/总计=（100 + 50）/ 165 = 0.91

错误分类率：总的来说，有多少次出错？（FP + FN）/总=（10 + 5）/ 165 = 0.09等于1减去精度

也称为“错误率”