正解率 とは？

残念ながら違うんだ。たとえばがんの検査で、患者100人のうち1人しかがんじゃない場合、全員「正常」と答えるだけで正解率99%になる。でもそのモデルは唯一のがん患者を見逃してるから最悪のモデルだよね。

クラスが均衡していてどの間違いも同じコストなら正解率は有効だよ。「猫・犬・鳥を均等に1000枚ずつ分類する」みたいなケースね。問題はデータが偏っているときと、間違いの種類によってコストが違うときなんだ。

混同行列（Confusion Matrix）を見るのが基本だよ。「何を何と間違えたか」の内訳が全部分かるから、正解率の裏に隠れた問題を見つけられる。そこから適合率・再現率・F1スコアを計算して判断するんだ。

多クラス分類で複数クラスの正解率をまとめるときの集計方法の違いなんだ。マクロ平均はクラスごとに正解率を計算してから単純平均するから、少数クラスを重視した評価になる。マイクロ平均は全クラスの正解数と全件数を足してから割るから、多数クラスの影響が大きい評価になる。少数クラスの見落としを防ぎたい医療診断ならマクロ平均を見るべきだし、全体的なスループットを重視するならマイクロ平均を見るべき、というようにビジネス目的によって使い分けが必要なんだよ。