我刚开始学习机器学习，并且刚刚完成了我的第一个方法（随机森林）的实现。现在我想分析这个方法的准确性。我使用的第一个性能指标是计算正确预测的数量，使用以下公式：

准确率 = 正确预测数 / 总预测数 * 100

现在，我想预测一个变量，其值为1或0。我的大部分预测结果介于1和0之间（例如0.85, 0.45, 0.95等），因此这些预测不被视为正确预测——使用上述公式计算出的准确率为0.42%。我知道我做了一些非常愚蠢和错误的事情。我应该将预测值四舍五入到最接近的整数，然后再计算指标吗？

另外，我运行了一个AUC测试，结果准确率为81%。

回答：

验证模型准确性的一种好方法是使用验证集方法（看起来你已经在这样做了）或交叉验证（K折），更多信息请参见：

https://en.wikipedia.org/wiki/Cross-validation_(statistics)https://en.wikipedia.org/wiki/Training,_test,_and_validation_sets

至于变量，这似乎是一个分类问题（你的输出变量可以是0或1）。

因此，一个好的方法是使用返回0或1的分类器（而不是中间值）。如果你将随机森林设置为分类任务，它不应该给出这样的结果。

然而，你也可以根据需要设置不同的阈值（0.5？0.8？）（你可以使用ROC曲线来帮助你确定最佳分类器）。