正确率怎么算？从公式到实战，一文讲透，正确率怎么算
在日常生活和工作中，我们经常需要衡量“做对了多少”——考试得分、机器学习模型表现、工厂产品质检、甚至猜谜游戏的结果，而“正确率”正是最直观、最常用的指标之一，但你真的会算正确率吗？面对不同场景，公式是否一成不变？有没有容易踩的坑？本文将为你详细拆解正确率的计算方法,并给出实战案例。
正确率的核心公式
最基本的正确率定义是：
[ \text{正确率} = \frac{\text{正确样本数}}{\text{总样本数}} \times 100\% ]
简单说就是：做对了多少个，除以一共做了多少个，再化成百分比。
例子1：考试
你做了20道题，答对18道。
正确率 = 18 ÷ 20 = 0.9 = 90%。
例子2：产品质检
工厂抽查100个零件，合格92个。
正确率（合格率）= 92 ÷ 100 = 92%。
这个公式适用于所有“二元判断”（对/错、合格/不合格、命中/未命中）的场合，但请注意，这里的“正确”必须是事先定义的明确标准。
多类别场景下的正确率
当问题不止“对”和“错”两种结果时，比如选择题有A、B、C、D四个选项，或者图像识别有猫、狗、鸟三种类别,正确率的计算方法依然相同：
[ \text{正确率} = \frac{\text{预测正确的样本数}}{\text{总样本数}} \times 100\% ]
例子：图像分类
测试集有200张图片（猫50、狗80、鸟70）。
算法预测结果：猫正确40张、狗正确70张、鸟正确60张。
总正确数 = 40+70+60 = 170。
正确率 = 170 ÷ 200 = 85%。
这里的“正确”指预测类别与真实类别完全一致，即使算法对狗类的准确率很高，对鸟类偏低,整体正确率仍能反映综合表现。
易混淆的“正确率”与“准确率”
在机器学习或医学统计中，“正确率”常被称为 准确率（Accuracy），但它还有两个近亲：精确率（Precision） 和 召回率（Recall），很多人会混淆,我们用一个简单的二分类例子说明：
- 真实情况：10个苹果、10个香蕉。
- 模型预测结果：
预测为苹果：共12个，其中正确苹果8个，错把4个香蕉认成苹果。
预测为香蕉：共8个，其中正确香蕉6个,错把2个苹果认成香蕉。
| 预测为苹果 | 预测为香蕉 | |
|---|---|---|
| 真实苹果 | 8 (TP) | 2 (FN) |
| 真实香蕉 | 4 (FP) | 6 (TN) |
- 正确率（Accuracy） = (TP+TN) / 总数 = (8+6)/20 = 70%
- 精确率（Precision） = TP / (TP+FP) = 8/12 ≈ 66.67%（预测为苹果的样本中,有多大概率是真的苹果）
- 召回率（Recall） = TP / (TP+FN) = 8/10 = 80%（真的苹果中,有多少被模型找出来了）
注意：正确率对“平衡”数据集（各类别数量相近）适用较好，如果类别极度不平衡（例如99个苹果、1个香蕉），模型全部猜苹果也能得到99%的正确率，但此时正确率失去意义——你需要关注精确率/召回率或其他指标。
正确率计算的常见陷阱
陷阱1：忽略了零分母
如果总样本数为0，公式无效，在编程或报告中应明确处理：若总数为0，正确率可定义为0%或“无数据”。
陷阱2：混合不同维度
一个班级考试，语文正确率80%，数学正确率70%，不能简单相加除以2得75%，因为两科题目数量可能不同，正确率必须基于“总题数”计算，而非“科目数”。
陷阱3：把“比例”当正确率
“有80%的人赞同”不等于正确率，因为赞同与否没有客观对错标准，正确率必须有客观真实标签。
在Excel或Python中快速计算
Excel
假设A列是正确答案（0/1或对/错），B列是预测结果，C列为是否一致（=A2=B2）。
正确率 = COUNTIF(C:C,TRUE) / COUNTA(C:C)
然后设置单元格格式为百分比。
Python（Pandas）
import pandas as pd df['correct'] = df['true'] == df['pred'] accuracy = df['correct'].mean() # 直接得到小数，乘以100得百分比
Python（Scikit-learn）
from sklearn.metrics import accuracy_score accuracy = accuracy_score(y_true, y_pred)
什么时候用正确率，什么时候该换指标？
- 用正确率：各类别数量相对平衡，且你对“总体正确程度”感兴趣时（日常考试、简单分类任务）。
- 不用正确率：类别极不平衡（欺诈检测、罕见病诊断），或你更关心“找到目标”的能力（召回率）、“找到的是否准确”（精确率），或者F1-score等综合指标。
正确率是入门级指标，简单直观，但务必结合具体场景理解其含义，下次有人问你“正确率怎么算”，你可以笑着回答：“对了除以总数，但小心别掉进坑里哦！”
