1 定义
1.1 基本含义
正确率是用来衡量判断结果、预测结果或测量结果与真实情况一致程度的指标。它最直观的含义，是“做对了多少”，通常以正确项占总项的比例表示。由于形式简明、便于比较，正确率常被用于描述分类、识别、测验和实验等任务的整体表现。
在日常语境中，正确率也可理解为“答对率”或“命中率”的一种泛化表达，但在不同学科里，其具体定义可能略有差异。实际使用时，往往需要先明确“正确”的判定标准，再计算相应比例。
1.2 数学表达
在最常见的表达中，正确率可写为：
正确率 = 正确数量 / 总数量 × 100%
如果不以百分比表示，也可写作小数形式，即正确数量与总数量的比值。这里的“正确数量”通常指与标准答案、真实标签或参考结果一致的样本数，“总数量”则为参与统计的全部样本数。
在不同任务里，分子和分母的定义会有所调整。例如，在考试评分中，分子可以是答对的题目数；在分类任务中，分子通常是预测正确的样本数。只要标准明确，这一表达都能用于衡量整体一致性。
1.3 相关术语辨析
正确率在中文语境中有时会与其他评价指标混用，因此需要结合上下文判断其确切含义。尤其在统计学和机器学习中，“正确率”并不总是等同于某些术语的直译。
1.3.1 与准确率的区别
“正确率”和“准确率”在口语中常被混用，但在严格的技术语境里，二者未必完全相同。正确率强调结果中“对”的比例，而准确率有时被用来表示某一指标体系中的特定含义，尤其在机器学习领域，常对应英文中的 accuracy。
在大多数分类问题中，正确率与准确率通常可视为同一概念，即总体预测正确的比例。不过在某些专业文献中，准确率也可能被作者用于更宽泛的“精确程度”表达，因此阅读时应优先查看定义而非仅凭术语判断。
1.3.2 与精确率的区别
精确率指的是在被判定为“正类”的结果中，真正为正类的比例。它关注的是“预测为正的样本里有多少是真的”，与正确率所衡量的总体对错比例不同。
举例来说，如果一个模型几乎把所有样本都判成负类，它的正确率可能很高，但精确率未必具有相同表现。因此，精确率更强调正类判断的可信程度，而正确率则更像整体层面的平均表现。
1.3.3 与召回率的区别
召回率衡量的是所有真实正类中，被成功找出的比例，关注“该找出来的是否找到了”。它与正确率的侧重点并不一致：正确率看总体现象，召回率看对目标对象的覆盖程度。
在一些任务中，召回率高并不意味着正确率高，反之亦然。尤其当不同类别样本数量差距较大时，两者可能呈现明显分离，因此通常需要配合使用。
2 计算方法
2.1 基本公式
正确率的基本计算方式为：
正确率 = 预测正确的样本数 / 样本总数
若需要百分比表达，可再乘以 100%。这一公式适用于最常见的分类、判定和评分场景。其优点在于计算简单，能够快速反映整体表现；不足在于它对样本结构和错误类型不敏感。
2.2 分类任务中的计算
在分类任务中，正确率通常通过统计预测标签与真实标签一致的样本数来获得。若一个模型对 100 个样本中有 87 个判断正确，则正确率为 87%。
对于二分类任务，正确样本既包括真正类判断正确的部分，也包括负类判断正确的部分。对于多分类任务，只要预测类别与真实类别一致，就计为一次正确。由于它统计的是整体一致性，因此分类边界、标签噪声和类别分布都会影响结果。
2.3 评分与测验中的计算
在考试、问卷或测验中，正确率常表现为答对题数占总题数的比例。若采用客观题评分方式，判定标准通常较为明确，便于直接计算。
如果题目设置不同分值，则简单的“题目数比例”可能不足以完全反映成绩，这时也可能改用得分率、加权正确率等形式。尽管如此，在基础测评中，正确率仍是最直观、最常用的统计指标之一。
2.4 多类别情形下的处理
多类别任务中，正确率的计算原则通常不变，仍是“预测正确数 / 总数”。但当需要对不同类别分别评估时，单一正确率就可能不够细致，因此常引入平均方式进行补充分析。
2.4.1 微平均
微平均是先汇总所有类别的统计量，再统一计算指标。对正确率而言，这种处理方式本质上更接近总体层面的加权统计，常能反映全体样本的整体表现。
它的优势在于保留样本规模信息，适合类别样本数差异较大的情形。不过，当少数类表现较差时，微平均可能掩盖局部问题，因此通常还要结合其他评价结果一起查看。
2.4.2 宏平均
宏平均是先分别计算各类别指标，再对类别结果做算术平均。它对每个类别赋予相同权重，因此更能体现类别间的均衡程度。
宏平均常用于观察模型是否偏向某些大类。与微平均相比，它对小样本类别更敏感，但也可能因极少数类别样本过少而造成波动，因此适合作为补充视角，而非唯一依据。
3 应用场景
3.1 机器学习与人工智能
在机器学习和人工智能中，正确率是最常见的基础指标之一，尤其适合用于衡量分类器、识别系统和预测模型的整体表现。由于计算简洁，它常作为训练过程中的初步参考值。
3.1.1 二分类任务
在二分类任务中，正确率可用于评价模型是否能正确区分两类样本。比如垃圾邮件识别、简单病症筛查或真假文本识别等，都可用正确率描述整体判定效果。
不过，若某一类样本占比过高，模型即使采取“偏向多数类”的策略，也可能获得看似不错的正确率，因此在二分类问题里，正确率通常需要与其他指标并用。
3.1.2 多分类任务
在图像分类、文本分类或手写识别等多分类任务中，正确率常被用作最直接的整体评价指标。只要模型预测类别与真实类别一致，就记为正确。
多分类场景中，正确率便于不同模型之间进行快速比较，但无法显示模型对各类样本的具体差异。因此，在较复杂的任务中，研究者往往还会查看混淆矩阵及类别级指标。
3.2 科学实验与数据分析
在科学实验和数据分析中，正确率可用于衡量测量结果、分类规则或判断程序与参考标准的一致程度。例如，对实验仪器读数、自动识别算法或人工编码结果，都可以用正确率作初步评价。
当实验存在误差来源时，正确率能帮助研究者判断方法是否稳定、是否值得进一步优化。不过在实验分析中，它通常只是入口指标，还需结合偏差、方差、置信区间等信息综合解释。
3.3 教育测评
教育测评中，正确率是最常见的基础统计之一，尤其适用于选择题、判断题和标准化测验。它能直接反映学生在某一测试中的答对情况，也便于比较不同试卷、不同班级或不同时间点的表现。
在教学诊断中，正确率不仅能用于统计个人成绩，还可用于分析题目难度。若某题正确率过低，可能说明题目较难；若过高，则可能说明题目过易，区分度有限。
3.4 信息检索与推荐系统
信息检索和推荐系统中，正确率有时用于描述系统返回结果中“有用项”所占比例，特别是在精简结果集或限定展示位数的场景里较为常见。例如，若系统推荐 10 条内容中有 7 条符合用户需求，就可认为其推荐正确率较高。
不过，这类系统常同时关注覆盖范围、排序质量和用户反馈，因此正确率往往只是辅助指标。由于推荐任务强调“找得准”与“排得好”并重，单独看正确率并不能完整反映系统能力。
4 影响因素
4.1 样本分布
样本分布会显著影响正确率的数值。若数据中某一类占绝大多数，模型即使主要识别这一类，也可能得到较高的正确率。反之，若类别分布较为均衡，正确率更能真实反映整体分类能力。
因此，在解读正确率时，必须先了解样本结构。脱离分布背景而单看数值，容易产生偏差。
4.2 阈值设定
在概率输出或连续评分转为类别判断时，阈值设定会直接影响最终正确率。阈值过低或过高，都会改变正负类的划分方式，从而影响预测正确的样本数。
不同阈值往往对应不同的错误组合。某些任务追求更高正确率时，可能需要结合业务目标进行阈值调整，而不是固定采用默认值。
4.3 数据噪声
数据噪声包括标注错误、测量偏差、录入失误和随机干扰等。噪声越多，正确率往往越难提高，因为“标准答案”本身就可能不稳定或不一致。
在实际项目中，如果参考标签存在较高不确定性，正确率会受到明显影响。此时提升模型本身并不一定能显著改善结果，先清洗数据反而更有效。
4.4 类别不平衡
类别不平衡是正确率最常见的干扰因素之一。当多数类样本远多于少数类时，模型只要偏向多数类，就可能获得较高的表面正确率。
这种情况下，正确率会显得“很好看”，但少数类可能几乎没有被识别出来。因此，类别不平衡任务通常不建议只看正确率，而应结合召回率、F1分数等指标判断。
4.5 评价标准的选择
不同评价标准会影响正确率的统计口径。比如，有些任务按样本计数，有些按题目计数，还有些按权重计分；判定“正确”的标准若不同，结果也会随之变化。
如果评价规则过于宽松，正确率会被抬高；若规则过于严格，正确率可能偏低。故在比较不同研究或不同系统时，必须先确认评价标准是否一致。
5 局限性
5.1 对偏斜数据不敏感
正确率对样本偏斜问题不够敏感，这是它最典型的局限之一。即使模型对少数类表现很差，只要多数类识别得不错，最终正确率仍可能较高。
这种特性使它适合作为快速概览指标，却不适合作为唯一判断依据。尤其在风险识别、异常检测等场景中，少数类往往更重要，单看正确率容易忽视关键错误。
5.2 无法区分错误类型
正确率只统计“对”与“错”，不能说明错在何处。它无法区分漏判、误判、偏向哪一类、错误是否集中在某些边界样本等问题。
因此，即使两个模型的正确率相同，其实际行为也可能完全不同。若需要分析错误模式，通常要借助混淆矩阵或更细化的分类指标。
5.3 容易产生误导性结论
在某些场景下，高正确率可能并不意味着模型真的优秀。若任务基线很低，或多数类过于占优，单纯的正确率会制造“性能很好”的错觉。
此外，当任务目标不是平均意义上的“做对”，而是尽量避免某类重要错误时，正确率也可能误导决策。换言之，它适合描述总体，不适合替代任务目标本身。
5.4 与任务目标不完全一致
许多实际任务更关心风险控制、成本最小化或关键样本识别，而非纯粹的总体对错比例。在这种情况下，正确率可能与目标函数不一致。
例如，某些场景更重视不要漏掉危险对象，另一些则更在意误报成本。若只追求正确率，模型策略可能偏离真实需求，因此需要按任务性质选择评价方式。
6 扩展指标
6.1 精确率
精确率反映预测为正的结果中真正为正的比例，强调“判正的可信程度”。它常用于需要控制误报的场景。
与正确率相比，精确率更聚焦于正类预测质量，因此在不平衡数据中具有重要补充作用。
6.2 召回率
召回率衡量真实正类被识别出来的比例，体现“找全”的能力。它尤其适合强调覆盖性的任务。
当漏检代价较高时，召回率往往比正确率更关键。很多实际系统会在两者之间寻求平衡。
6.3 F1分数
F1分数是精确率与召回率的综合指标，常用于二者需要兼顾的情形。它通过调和平均形式避免某一项过高而掩盖另一项过低。
在类别不平衡问题中，F1分数通常比单纯正确率更具参考价值，因为它更能反映少数类识别的综合效果。
6.4 特异度
特异度表示真实负类被正确识别为负类的比例，关注的是“排除错误”的能力。它在医学筛查、异常检测和风控场景中较常出现。
当负类识别质量很重要时，特异度能够提供比正确率更细的视角。它与召回率常被并列讨论，用于观察模型在两侧的平衡情况。
6.5 AUC与ROC
ROC曲线用于描述不同阈值下模型的分类表现，AUC则是该曲线下的面积，常被用来衡量模型整体区分能力。它们不依赖单一阈值，因此比固定阈值下的正确率更灵活。
在需要比较排序能力或阈值敏感问题时，AUC与ROC具有重要价值。与正确率相比，它们更适合分析模型的整体判别趋势。
7 提升正确率的方法
7.1 优化数据质量
提高正确率的基础常常是改善数据质量。清理错误标注、去除重复样本、修正缺失值并减少噪声，通常能直接改善结果。
高质量数据能让模型更容易学到稳定规律，也能降低评测中的随机波动。因此，数据治理往往是提升正确率最有效的起点。
7.2 改进特征与模型
更有区分力的特征和更合适的模型结构，通常能提升正确率。对传统方法而言，特征工程尤为关键；对现代模型而言，结构设计、正则化和训练策略同样重要。
模型并非越复杂越好，关键在于是否匹配任务特征。合理选择模型容量，往往比盲目增加参数更能稳定提高正确率。
7.3 调整分类阈值
在输出概率的任务中，适当调整阈值可以改变正负类划分方式，从而影响正确率。若默认阈值不适合当前数据分布，调参后常能获得更好的整体表现。
不过，阈值优化通常伴随指标权衡。提升正确率的同时，其他指标可能下降，因此需要结合任务目标谨慎选择。
7.4 平衡样本分布
通过重采样、欠采样、过采样或类别权重调整等方式，可以缓解类别不平衡带来的偏差。样本分布更均衡时，模型通常更不容易“偏科”。
这种方法尤其适合少数类重要的任务。它未必总能显著抬高表面正确率，但往往能改善真实可用性。
7.5 交叉验证与模型校准
交叉验证有助于更稳定地评估模型表现，减少偶然划分造成的误差。模型校准则让输出概率更接近真实置信程度，间接帮助阈值选择更合理。
二者结合使用，可以避免只在单次划分上得到“虚高”的正确率，也能提升模型在不同数据上的泛化表现。
8 相关概念与历史
8.1 科学方法中的评价思想
正确率背后体现的是科学方法中的基本评价思想：通过可重复、可比较的指标判断方法是否有效。无论是实验、测量还是分类，先定义标准，再统计符合程度，是现代评估体系的重要基础。
这种思想强调把“结果好不好”转化为可计算的量，从而便于检验、比较和复现。正确率正是这类量化思想中最直观的代表之一。
8.2 统计学中的误差观念
统计学长期关注误差与偏差之间的关系。正确率本质上是在观察结果与真值之间的一致程度，因此与误差观念密切相关。
随着统计推断的发展，人们逐渐意识到，仅看总体正确比例还不够，还要分析误差分布、置信程度和抽样波动。这也促成了更多互补指标的出现。
8.3 现代机器学习中的指标体系
现代机器学习强调“多指标联合评估”，正确率只是其中一个基础分量。随着任务复杂化，研究者越来越重视指标之间的互补关系，而不再把单一正确率当作最终结论。
在这一体系中，正确率承担着简洁、通用、易解释的角色；而精确率、召回率、F1分数、AUC等则分别从不同角度补足信息。由此形成了更完整的模型评价框架。