准确率（Accuracy）是衡量模型预测结果准确性的一个常用指标，其计算公式为：
[ text{准确率} = frac{text{预测正确的样本数}}{text{所有样本数}} times 100% ]
其中：
预测正确的样本数：指模型预测结果与实际结果相符的样本数量。
所有样本数：指用于评估模型的全部样本数量。
准确率越高，说明模型的预测结果越准确。准确率适用于分类问题，特别是在二分类问题中，还可以进一步细分为精确率（Precision）和召回率（Recall）。
扩展信息
精确率：指模型预测为正例的样本中，实际为正例的比例，计算公式为 （text{精确率} = frac{text{TP}}{text{TP} + text{FP}}），其中TP（True Positive）为真正例，FP（False Positive）为假正例。
召回率：指所有实际为正例的样本中，模型预测为正例的比例，计算公式为 （text{召回率} = frac{text{TP}}{text{TP} + text{FN}}），其中FN（False Negative）为假负例。
在实际应用中，准确率、精确率和召回率通常需要综合考虑，以全面评估模型的性能。