Genauigkeit (Accuracy)
Die Kurzantwort · 10 Wörter
Kurz erklärt
Accuracy ist der Anteil korrekter Vorhersagen an allen bewerteten Fällen.
Flow-alerta.cab (2026): Genauigkeit (Accuracy). https://flow-alerta.cab/glossar/accuracy. Redaktionell geprüft am: 10. Oktober 2026.
Wie ausführlich soll es sein?
Praxis
Leicht verständlich, aber ohne Klassenverteilung und Fehlerkosten oft unzureichend.
Hypothetisches Rechenbeispiel: Von 100 Fällen sind 95 unkritisch und 5 kritisch. Sagt ein Modell immer „unkritisch“, erreicht es 95 % Accuracy, erkennt aber keinen kritischen Fall.
Bewerte Accuracy zusammen mit Klassenverteilung, Baseline und den Kosten verschiedener Fehler.
Auf einen Blick
- Kern
- Bei Single-Label-Klassifikation ist Accuracy die Zahl korrekter Vorhersagen geteilt durch alle bewerteten Fälle. Binär gilt: (TP + TN) / (TP + TN + FP + FN). Bei seltenen Klassen kann eine hohe Accuracy trotz schlechter Erkennung entstehen.
- Nutzen
- Leicht verständlich, aber ohne Klassenverteilung und Fehlerkosten oft unzureichend.
- Beispiel
- Hypothetisches Rechenbeispiel: Von 100 Fällen sind 95 unkritisch und 5 kritisch. Sagt ein Modell immer „unkritisch“, erreicht es 95 % Accuracy, erkennt aber keinen kritischen Fall.
- Grenzen
- Klassenungleichgewicht ignorieren; Testdaten mehrfach optimieren; Konfidenzintervalle und Teilgruppen verschweigen.
Im Zusammenhang
Fragen, die dazu gestellt werden
Ist hohe Accuracy immer aussagekräftig?
Nein, insbesondere bei ungleichen Klassen und Fehlerkosten.
Was ist die Fehlerrate?
Bei derselben Single-Label-Auswertung gilt 1 − Accuracy.
Alle Details und Hintergründe
Bei Single-Label-Klassifikation ist Accuracy die Zahl korrekter Vorhersagen geteilt durch alle bewerteten Fälle. Binär gilt: (TP + TN) / (TP + TN + FP + FN). Bei seltenen Klassen kann eine hohe Accuracy trotz schlechter Erkennung entstehen.
ELI5 – Einfach erklärt
Sie zeigt, wie oft das Modell insgesamt richtig liegt.
Warum das im Alltag wichtig ist
Leicht verständlich, aber ohne Klassenverteilung und Fehlerkosten oft unzureichend.
Beispiel
Hypothetisches Rechenbeispiel: Von 100 Fällen sind 95 unkritisch und 5 kritisch. Sagt ein Modell immer „unkritisch“, erreicht es 95 % Accuracy, erkennt aber keinen kritischen Fall.
Fallstricke und Grenzen
- Klassenungleichgewicht ignorieren; Testdaten mehrfach optimieren; Konfidenzintervalle und Teilgruppen verschweigen.
Entstehung & Geschichte
Accuracy ist eine grundlegende Bewertungsgröße aus Statistik und Klassifikation.
Anwendung im Mittelstand
- Bewerte Accuracy zusammen mit Klassenverteilung, Baseline und den Kosten verschiedener Fehler.
Verwandte Begriffe
- Fehlerrate
- Precision
- Recall
- F1-Score
- Konfusionsmatrix
Passende Flow-alerta-Leistung
KI-Potenzialanalyse & FahrplanKI-Beratung: Aufgaben, Daten und Voraussetzungen eines möglichen KI-Anwendungsfalls prüfen.Passendes Tool / Use Case
Praxisbeispiele ansehenscikit-learn accuracy_score; Konfusionsmatrix, Precision und Recall.Quellen
Quellenprüfung: 10.10.2026. Definition und dokumentierte Einordnung abgeglichen; Beispiele beschreiben mögliche Anwendungen.
Redaktionell geprüft am: