原则上，准确率是正确预测案例的比例。

这与1 - the fraction of misclassified cases或相同1 - the *error* (rate)。

然而，这两个术语有时可能会以更模糊的方式使用，并且涵盖不同的事物，例如类平衡误差/准确性甚至 F 分数或 AUROC——最好在论文中寻找/包含适当的说明或报告。

另外，请注意，测试错误率意味着测试集上的错误，因此它可能是 1-test set 准确度，并且可能还有其他准确度。

@mbq 回答：

“1-错误分类案例的比例，即错误（率）”

然而，这似乎是错误的，因为错误分类和错误是一回事。见下文（来自http://www.dataschool.io/simple-guide-to-confusion-matrix-terminology/）：

准确性：总体而言，分类器正确的频率如何？(TP+TN)/总计 = (100+50)/165 = 0.91

错误分类率：总体而言，错误的频率如何？(FP+FN)/total = (10+5)/165 = 0.09 相当于 1 减去精度

也称为“错误率”