在前 5 位准确度中，如果正确答案出现在您的前 5 位猜测中，则您认为自己获得了正确答案。

我在Quora上找到了一个 Nathan Yan 的解释

Top-N 准确度意味着正确的类在 Top-N 概率中被认为是“正确的”。例如，假设我有一个图像数据集，并且图像是：

• 狗
• 猫
• 狗
• 鸟
• 猫
• 猫
• 老鼠
• 企鹅

对于这些输入图像中的每一个，模型将预测相应的类别。

• 输入图像： Dog --预测类别： Dog ✔
• 输入图像： Cat --预测类别： Bird ✘
• 输入图像： Dog --预测类别： Dog ✔
• 输入图像： Bird --预测类别： Bird ✔
• 输入图像： Cat --预测类别： Cat ✔
• 输入图像： Cat --预测类别： Cat ✔
• 输入图像：鼠标——预测类别：企鹅✘
• 输入图像： Penguin --预测类别： Dog ✘

对此的 Top-1 准确率是（8 个中的 5 个正确），62.5%。现在假设我还列出了模型预测的其余类，按概率的降序排列（类出现的越靠右，模型认为图像是该类的可能性越小）

- Dog => [Dog, Cat, Bird, Mouse, Penguin]
- Cat => [Bird, Mouse, Cat, Penguin, Dog]
- Dog => [Dog, Cat, Bird, Penguin, Mouse]
- Bird => [Bird, Cat, Mouse, Penguin, Dog]
- Cat => [Cat, Bird, Mouse, Dog, Penguin]
- Cat => [Cat, Mouse, Dog, Penguin, Bird]
- Mouse => [Penguin, Mouse, Cat, Dog, Bird]
- Penguin => [Dog, Mouse, Penguin, Cat, Bird]

如果我们为此取 top-3 准确率，则正确的类只需要在前三个预测类中即可计数。结果，尽管模型不能完美解决所有问题，但它的 top-3 准确率是 100%！