使用方式
- 輸入一組二元分類結果的 TP、FP、TN、FN。
- 把平衡正確率與召回率、特異度一起閱讀，不要單獨解讀。
- 比較平衡正確率與一般正確率，檢查類別不平衡是否美化了表面數字。
讓陽性與陰性類別同等重要
平衡正確率是召回率與特異度的平均。資料本身不平衡時，它能快速檢查兩個類別是否被相對公平地處理。
輸入
執行計算後，可比較平衡正確率、召回率、特異度、精確率與一般正確率。
類別不平衡時，先看平衡正確率
一般正確率會受到多數類別影響。平衡正確率把召回率與特異度平均，讓陽性與陰性類別在摘要中有相同權重。
何時需要搭配 MCC？
平衡正確率著重陽性與陰性的平均表現；MCC 則同時考慮混淆矩陣四格。若要用單一分數報告不平衡資料，建議兩者一起檢查。
常見問題
平衡正確率衡量什麼？
平衡正確率是召回率與特異度的平均。它讓陽性與陰性類別具有相同權重，因此在類別不平衡時通常比一般正確率更有資訊量。
為什麼一般正確率可能高於平衡正確率？
如果某一類在資料中占多數，模型只要把多數類判對就可能得到很高的正確率。平衡正確率會平均召回率與特異度，揭露少數類是否被忽略。
平衡正確率可以單獨使用嗎？
不一定。它適合作為摘要，但仍應檢查召回率、特異度與混淆矩陣原始件數，才能理解實務取捨。
分享 URL 會包含我的件數或標籤嗎？
不會。分享 URL 只保存小數位數等輕量設定；件數與自訂標籤會留在你的瀏覽器中。
相關頁面
留言（選用）
為了減少載入量，留言只會在需要時讀取。