准确率：分类模型性能评估指标 | 详解及局限性

准确率是评估分类模型性能的指标之一，它表示模型正确预测的样本数量占总样本数量的比例。准确率的计算公式如下：

准确率 = (预测正确的样本数量) / (总样本数量)

准确率越高，表示模型的预测能力越好。但准确率并不能完全反映模型的性能，因为它无法考虑到不同类别之间的样本分布不均衡问题。在某些情况下，模型的准确率可能较高，但对于少数类别样本的预测效果较差。因此，在评估分类模型性能时，还需要综合考虑其他指标，如精确率、召回率、F1值等。