准确率就是总共有多少次预测对了的总次数除以所有预测次数的总和。比如天气预报说晴天100次，实际有95次是晴天，准确率就是95%。这个指标简单直接，就像算考试正确题数除以总题数一样容易理解。

为什么选准确率呢？因为准确率直接反映总体的正确比例，特别适合数据分布均衡的情况。比如医学诊断里，如果健康人和病人数量差不多，准确率就能真实反映模型好坏。但要是数据严重失衡，比如某病发病率只有1%，模型全说没病，准确率还是99%却毫无用。根据前年Kaggle数据，当正负样本比例超过1:10时，准确率指标会误导判断，这时候应该用F1值或AUC-ROC。不过日常分析如果数据分布正常，准确率就像个公平秤，既不用算精确率也不用算召回率，直接告诉你整体对不对。就像买菜时算总钱数对不对，不用分开算西红柿和黄瓜各自对不对。