YZ Merkezi
Yapay zekâ sözlüğü
Başlangıç seviyesi
Doğruluk (Accuracy)
Accuracy
31.08.2026 tarihinde güncellendi
Doğruluk, bir sınıflandırma veya tahmin modelinin yaptığı tüm doğru tahminlerin toplam tahmin sayısına oranını ifade eden en temel ve yaygın başarı metriğidir.
Genel bakış
Kavramın çerçevesiModelin genel olarak ne kadar başarılı olduğunu gösteren ilk metriktir. '100 tahminden kaç tanesi doğruydu?' sorusuna yanıt verir.
Çalışma mantığı: Formülü (Doğru Pozitifler + Doğru Negatifler) / Toplam Örnek Sayısı'dır. 0 ile 1 arasında (veya %0 - %100) bir değer alır.
Kullanım alanları: Sınıfların dengeli dağıldığı (örneğin %50 kedi, %50 köpek) sınıflandırma modellerinin performans değerlendirmesi.
Sınırlılıklar ve dikkat edilmesi gerekenler: Dengesiz veri setlerinde (örneğin %99 sağlıklı hasta, %1 kanserli hasta) model herkese 'sağlıklı' diyerek %99 doğruluk elde edebilir ancak tüm kanserli hastaları ıskalar. Bu yüzden tek başına yeterli değildir; Precision, Recall ve F1-Score ile birlikte incelenmelidir.
Çalışma mantığı: Formülü (Doğru Pozitifler + Doğru Negatifler) / Toplam Örnek Sayısı'dır. 0 ile 1 arasında (veya %0 - %100) bir değer alır.
Kullanım alanları: Sınıfların dengeli dağıldığı (örneğin %50 kedi, %50 köpek) sınıflandırma modellerinin performans değerlendirmesi.
Sınırlılıklar ve dikkat edilmesi gerekenler: Dengesiz veri setlerinde (örneğin %99 sağlıklı hasta, %1 kanserli hasta) model herkese 'sağlıklı' diyerek %99 doğruluk elde edebilir ancak tüm kanserli hastaları ıskalar. Bu yüzden tek başına yeterli değildir; Precision, Recall ve F1-Score ile birlikte incelenmelidir.
Teknik tanım ve açıklama
Temel mekanizmaSınıflandırma modelinde (TP + TN) / (TP + TN + FP + FN) oranı ile hesaplanan genel doğruluk oranı metriğidir.
Gerçek hayatta kullanım
Örnek senaryoBir e-posta filtreleme sistemi 1000 adet e-postadan 950 tanesini doğru şekilde (spam veya normal olarak) sınıflandırdığında modelin doğruluğu %95 (0.95) olur.