Was Genauigkeit bedeutet

Die Genauigkeit wird berechnet, indem die korrekten Vorhersagen durch die Gesamtvorhersagen geteilt werden. Für ausgewogene Klassifizierungsaufgaben kann es ein nützliches grobes Maß für die Modellqualität sein. Wenn ein Modell 90 von 100 Beispielen richtig klassifiziert, liegt seine Genauigkeit bei 90 Prozent.

Warum das wichtig ist

Genauigkeit ist wichtig, weil sie leicht zu verstehen ist und oft einen schnellen Überblick liefert. Es hilft Teams zu erkennen, ob ein Modell etwas Nützliches lernt, insbesondere wenn die Klassen ausgewogen sind und Fehler ähnliche Kosten verursachen.

Häufige Anwendungen

  • Erste Evaluierung von Klassifizierungsmodellen.
  • Verfolgung des Trainingsfortschritts.
  • Vergleich einfacher Grundlinien.
  • Ausgewogene Binär- oder Mehrklassenklassifizierung.
  • Kommunikation von Spitzenleistungen an nicht-technische Stakeholder.

Worauf zu achten ist

Bei unausgeglichenen Datensätzen kann die Genauigkeit irreführend sein. Wenn nur 1 Prozent der Transaktionen betrügerisch sind, kann ein Modell, das immer keinen Betrug vorhersagt, eine Genauigkeit von 99 Prozent erreichen, ist aber für die Betrugserkennung unbrauchbar.

Genauigkeit lässt sich am besten im Kontext verstehen: welche Daten verwendet werden, welche Aufgabe unterstützt wird und wie die Ausgabe geprüft wird.