“Accuracy” 是衡量模型预测结果与真实值之间一致性的关键指标，常用于机器学习和统计学中。它表示正确预测的样本数占总样本数的比例。
在分类任务中，accuracy 的计算公式为：
$$
ext{Accuracy} = frac{ ext{True Positives} + ext{True Negatives}}{ ext{Total Samples}}
$$
以下是对不同模型 accuracy 的对比：
| 模型名称 | Accuracy |
| 逻辑回归 | 0.85 |
| 决策树 | 0.82 |
| 随机森林 | 0.91 |
| 支持向量机 | 0.88 |
从表中可以看出，随机森林在该数据集上的表现最佳。然而，accuracy 并非在所有情况下都适用，尤其在类别不平衡时，可能需要结合其他指标如 precision、recall 或 F1-score 进行综合评估。
