Machine learning 分类准确性

分类accuract是如何工作的？根据定义

分类精度检查最大值的索引是否为真 该值等于最大预测值的指数

及

计算所有预测的平均准确率 多类分类问题

这在实践中意味着什么？假设我正在预测对象的边界框

它有xmin，ymin，xmax，ymax，它是否检查xmin预测值是否等于xmin实际值？所以如果我的xmin和xmax预测值和实际值相同，而ymin和ymax不同，我会得到50%

---

请帮助我理解这个概念

传统上，对于多类分类，您的标签将有一些整数或等价的分类标签；例如：

labels = [0, 1, 2]

preds = [0.25, 0.5, 0.25]

多类别分类预测的输出通常是置信度的概率分布；例如：

labels = [0, 1, 2]

preds = [0.25, 0.5, 0.25]

通常，与最有可能的事件相关联的索引将是标签的索引。在本例中，argmaxpreds为1，它映射到标签1

---

您可以看到预测的总精度a la，其中一个轴是真实值，另一个轴是预测值。每个单元格的值是CM[y_true][y_pred]值的总和。准确度将是矩阵y_true=y_pred的主对角线在训练实例总数上的总和。

准确度是为分类问题定义的，您描述的问题与此不符，那么为什么它被称为“分类准确度”而不是“准确度”？是什么让“分类”这个词有任何用途？有很多准确度指标可以用来评估机器学习模型，而不仅仅是正确的分数和总的分数。分类准确度也称为分类准确度，因为它是准确度的狭义定义。