Accuracy Score

Accuracy Score, makine öğrenimi ve istatistik alanında bir sınıflandırma modelinin doğruluğunu ölçmek için kullanılan temel bir metriktir. Modelin yaptığı doğru öngörülerin toplam öngörü sayısına oranını ifade eder.

Bu metrik, özellikle sınıflandırma algoritmalarının performansını değerlendirmek için yaygın olarak kullanılır ve modelin genel başarısını hızlıca anlamak için etkili bir yöntem sunar.

Tanım

Accuracy Score, bir sınıflandırıcının doğru tahmin ettiği örneklerin toplam örnek sayısına oranıdır. Değer 0 ile 1 arasında değişir, 1 en iyi performansı temsil eder. Genellikle yüzde olarak ifade edilir.

Accuracy ile Fark

Accuracy Score ve Accuracy terimleri often birbirinin yerine kullanılsa da, teknik bağlamda fark vardır:


Accuracy: Daha genel bir terimdir, her türlü doğruluk ölçümünü kapsar
Accuracy Score: Özellikle sklearn.metrics modülündeki fonksiyon için kullanılan spesifik terimdir


Pratikte bu iki terim eşdeğer kabul edilir ve aynı formülle hesaplanır.

Hesaplama Yöntemi

Accuracy Score hesaplamak için aşağıdaki formül kullanılır:

Accuracy Score = (Doğru Öngörüler) / (Toplam Öngörüler)

Python'da sklearn kütüphanesi ile:

from sklearn.metrics import accuracy_score
y_true = [1, 0, 1, 1, 0, 1]
y_pred = [1, 0, 1, 0, 0, 1]
score = accuracy_score(y_true, y_pred)
print(f"Accuracy Score: {score}")

Kullanım Alanları


Model karşılaştırma ve seçimi
Cross-validation sonuçlarını değerlendirme
Model eğitimi sırasında izleme
Production ortamında model performansını takip etme


Örnek Uygulama

Bir hastalık tespit modeli düşünelim: 1000 hastadan 980'i hastalıklı değil, 20'si hastalıklı. Model 970 doğru tahmin yaptı (970 TN + 10 TP), 30 yanlış tahmin yaptı (10 FN + 20 FP).

Accuracy Score = 980 / 1000 = %98

Bu yüksek oran, modelin genel olarak iyi performans gösterdiğini ancak hastalıklı vakaları kaçırdığını (Recall düşük) gösterebilir. Bu yüzden Accuracy Score tek başına yeterli değildir ve diğer metriklerle birlikte değerlendirilmelidir.