Answers:
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”