Math 计算分类精度的最佳方法是什么？

我知道计算分类准确度的一个公式是X=t/n*100（其中t是正确分类的数量，n是样本总数）

但是，假设我们总共有100个样本，80个在A类，10个在B类，10个在C类

场景1:所有100个样本都被分配到A类，通过使用公式，我们得到的准确度为80%

场景2:属于B的10个样本被正确分配到B类；属于C类的10个样本也被正确分配到C类；30个样本属于正确分配到A类的A；其余50个属于A的样本被错误地分配到C。通过使用公式，我们得到了50%的准确度

我的问题是:

1：我们可以说场景1的准确率高于场景2吗

2：有没有办法计算分类问题的准确率

---

非常感谢

分类准确度定义为“正确预测的百分比”。无论类的数量如何，情况都是如此。因此，场景1比场景2具有更高的分类精度

然而，听起来你真正想要的是一个替代的评估指标或过程，它“奖励”场景2中只犯某些类型的错误。我有两个建议：

创建一个：它描述分类器的性能，以便您可以看到您的分类器正在产生什么类型的错误

计算每个类的精确度、召回率和F1分数。F1平均分数可能是您要查找的单个数字指标

---

即使您不是scikit学习用户，scikit学习文档的第页也有很多关于分类器评估的好信息。

我认为您需要的是精度与召回率。。。只需在谷歌上搜索一下，读一读简洁但“信息丰富”的答案。给自己一个香农拍拍。