Czy dokładność = poziom błędu 1 testu

Przepraszam, jeśli jest to bardzo oczywiste pytanie, ale czytałem różne posty i nie mogę znaleźć dobrego potwierdzenia. Czy w przypadku klasyfikacji dokładność klasyfikatora = 1 poziom błędu testu ? Rozumiem, że dokładność to , ale moje pytanie dotyczy tego, jak dokładnie są one powiązane z dokładnością i poziomem błędu testu. $\frac{TP+TN}{P+N}$

Zasadniczo tak, dokładność to ułamek prawidłowo przewidywanych przypadków, a zatem 1-ułamek przypadków błędnie sklasyfikowanych, czyli błąd (wskaźnik). Oba terminy mogą być czasem używane w bardziej niejasny sposób i obejmują różne rzeczy, takie jak błąd / dokładność zrównoważony klasowo, a nawet wynik F lub AUROC - zawsze najlepiej jest poszukać / dołączyć odpowiednie wyjaśnienie w pracy lub raport.

Należy również pamiętać, że wskaźnik błędu testu oznacza błąd w zestawie testowym, więc prawdopodobnie jest to dokładność zestawu 1-testowego i mogą występować inne dokładności.

@mbq odpowiedział:

„1 - część błędnie sklasyfikowanych przypadków, czyli błąd (wskaźnik)”

Wydaje się to jednak błędne, ponieważ błędna klasyfikacja i błąd są tym samym. Zobacz poniżej (z http://www.dataschool.io/simple-guide-to-confusion-matrix-terminology/ ):

Dokładność: Ogólnie, jak często klasyfikator jest poprawny? (TP + TN) / ogółem = (100 + 50) / 165 = 0,91

Wskaźnik błędnej klasyfikacji: Ogólnie, jak często jest źle? (FP + FN) / ogółem = (10 + 5) / 165 = 0,09 równoważne 1 minus Dokładność

znany również jako „współczynnik błędów”