分类中错误率的具体定义是什么？为什么一些研究人员在报告结果时使用错误率而不是准确率？我正在尝试将我的文本分类结果与文献中的其他方法进行比较，但他们使用的是错误率而不是准确率，我找不到计算我方法错误率的具体定义/公式。

回答：

对于分类，你的输出是离散的（就像是将物品放入桶中），因此准确率有一个非常直接的定义：

准确率 = （分类正确的数量）/（分类总数）

错误率同样简单：

错误率 = 1 – 准确率 = 1 – （分类正确的数量）/（分类总数）

= （分类错误的数量）/（分类总数）

请注意，对于具有连续输出的任务，情况要复杂得多。如果不是将物品放入桶中，而是要求模型将物品放在数轴上，那么准确率就不再是“对”或“错”的问题，而是我的模型有多接近正确的答案。这可能是平均接近度、中位数接近度等。还有更复杂的度量，主要区别在于它们如何重视距离的增加。或许，稍微偏离一点远比偏离很多要好得多，因此使用均方根误差度量是合适的。另一方面，如果超过某个小范围的偏离是不可接受的，无论是稍微偏离还是大幅偏离，那么使用对数误差度量会更好。

回答你问题的最后部分：在离散情况下，为什么会选择准确率而不是错误率？一个原因是视觉效果：“99%准确”传达的心理信息与“错误率为1%”不同。此外，准确率从99%增加到99.9%，准确率增加了1%，但错误率从1%减少到0.1%，错误率减少了90%，尽管两者表达的是相同的实际变化。

除此之外，这可能是个人的偏好或写作风格。

编辑：你可能还对统计学Stack Exchange上的这个帖子感兴趣