情境： 傳送帶上正依序送來手寫數字的影像（0-9）。工廠裡安裝了一個 AI 分類器，它的任務是正確辨識出影像中的數字。
按下「開始考試」後，觀察 AI 的表現。右上角的「準確率」計分板會即時計算：答對題數 ÷ 總題數。
準確率(Accuracy)是分類最直覺的指標,iPAS 高頻考點(初級科目一、中級科目三)。重點:預測正確數除以總數,在類別平衡、各類錯誤代價相近時清楚好用。易混點:類別不平衡時極具誤導性——詐欺偵測 99% 正常,全猜正常就有 99% 準確率卻毫無用處,此時要看精確率、召回率、F1 或 PR-AUC。情境:題目給不平衡資料,問為何不能只看準確率。
想練情境題與詳解 → AI 學習與考證地圖
預測正確的樣本數佔總樣本的比例；最直覺的分類指標，但類別不平衡時易誤導(全猜多數類也有高分)。
若 99% 是正常、1% 是異常，模型全猜正常也有 99% 準確率，卻完全抓不到異常；此時要看精確率、召回率、F1。
不一定；要看資料是否平衡、業務上更在意哪種錯誤(漏報或誤報)，並搭配其他指標與混淆矩陣綜合判斷。
類別大致平衡、各類錯誤代價相近時；此時準確率是清楚易懂的整體摘要，如手寫數字各類樣本數差不多。
準確率看全部預測對的比例；精確率只看被預測為正類中真正為正的比例，兩者問的問題不同。