--- title: "準確率（Accuracy）" slug: accuracy language: zh-TW source: https://aiterms.tw/terms/accuracy updated_at: 2026-04-29 tags: [模型評估, 機器學習, AI基礎, 統計方法] ipas_term: true --- # 準確率（Accuracy） > **你考試拿了 95 分，聽起來很厲害，但如果全班都拿 95 分以上呢？** > > 準確率就是「所有預測裡面猜對的比例」，公式是 (TP+TN)/(全部)。聽起來簡單直覺，但它有一個致命弱點：當資料類別嚴重不平衡時，準確率會騙你。假設 100 個病人裡只有 1 個有癌症，一個什麼都不做的模型直接說「全部沒癌症」就能拿到 99% 準確率，但那個真正有癌症的人被漏掉了。 > > 所以準確率只是模型評估的起點，不是終點。 > > 就像先用生活中的例子抓住核心用途，再回頭看名詞和公式，理解會穩很多。 ### 容易混淆 > **準確率 vs 精確率（Precision）vs 召回率（Recall）** > > 準確率：所有預測中猜對的比例，不分類別。 > > 精確率：模型說「是」的裡面，真的是的比例。 > > 召回率：所有真的是的樣本中，模型抓出來的比例。 > > 最關鍵的區別：準確率看「整體對不對」，精確率看「說是的準不準」，召回率看「漏掉多少」。 ### 記住這句就好 > 猜對的除以全部，但類別不平衡時會騙人。 ### 實際案例 > **垃圾郵件過濾器** > > 一個郵件過濾器準確率 98%，聽起來不錯。但實際上 95% 的郵件本來就是正常郵件，這個過濾器只是把大部分郵件都標成「正常」，對垃圾郵件的偵測率其實只有 60%。改用 F1 分數評估後才發現問題。 > > **信用卡詐欺偵測** > > 某銀行的詐欺偵測模型準確率 99.9%，但每天 100 萬筆交易裡只有 100 筆是詐欺。模型全部預測「不是詐欺」也能達到 99.99% 準確率，卻完全沒有抓到任何一筆詐欺交易。 ### 深入了解 > **混淆矩陣與準確率的關係** > > | 指標 | 公式 | 適用場景 | > |---|---|---| > | 準確率（Accuracy） | (TP+TN)/(TP+TN+FP+FN) | 類別平衡的資料集 | > | 精確率（Precision） | TP/(TP+FP) | 誤報成本高的場景（如垃圾郵件） | > | 召回率（Recall） | TP/(TP+FN) | 漏報成本高的場景（如癌症篩檢） | > | F1 分數 | 2×P×R/(P+R) | 需要兼顧精確率和召回率 | ### 情境判斷 > **Q1（直覺題）：** 你的模型在測試集上準確率 92%，資料集有 50% 正樣本、50% 負樣本。這個準確率可信嗎？ > > → 可信。因為類別平衡，92% 準確率代表模型確實學到了有意義的模式，不是靠預測多數類灌水。 > > **Q2（判斷題）：** 你在做罕見疾病篩檢，患病率只有 0.1%。模型 A 準確率 99.9%，模型 B 準確率 95%。你應該選哪個？ > > → 不能只看準確率。模型 A 可能只是全部預測「沒病」就拿到 99.9%。你應該看召回率（漏掉多少病人）和精確率（誤判多少健康人），用 F1 分數或 AUC-ROC 做綜合判斷。 ### iPAS 考題 > **Q1：** 在類別不平衡的資料集中，以下哪個指標最不適合用來評估模型效能？ (A) 準確率 (B) F1 分數 (C) AUC-ROC (D) 精確率 > > → (A) 準確率。類別不平衡時，模型只要預測多數類就能拿到很高的準確率，無法反映模型對少數類的偵測能力。 ### 常見問題 > **Q：準確率多高才算好？** > 沒有絕對標準，取決於任務和基準線。如果隨機猜的準確率是 50%，那 70% 就有意義。如果資料不平衡導致隨機猜也有 95%，那 96% 可能毫無價值。永遠要跟基準線比。 > > **Q：準確率和錯誤率是什麼關係？** > 錯誤率 = 1 - 準確率。準確率 92% 就是錯誤率 8%。兩者是互補的。 > > **Q：深度學習模型的準確率一定比傳統方法高嗎？** > 不一定。在資料量小或特徵明確的任務上，決策樹、邏輯回歸等傳統方法可能表現更好。深度學習的優勢在大量資料和複雜模式的場景。 ### 相關術語 > - **精確率**：準確率的互補指標，看「預測為正」的品質 > - **召回率**：看模型抓出了多少真正的正樣本 > - **F1 分數**：精確率和召回率的調和平均，類別不平衡時比準確率更可靠 > - **ROC 曲線**：用圖形化方式展示模型在不同門檻下的表現 > - **偏差**：準確率低可能是因為模型本身有偏差 --- 來源：https://aiterms.tw/terms/accuracy 快查頁：https://aiterms.tw/terms/accuracy 最後更新：2026/04/29 深度解說：https://aiterms.tw/learning/what-is-accuracy