Das Wichtigste in Kürze
- Accuracy: Metrik, die angibt, wie oft ein KI-Modell korrekte Vorhersagen trifft. 95% Accuracy = 95 von 100 Antworten richtig.
- Bei 950 von 1000 korrekten Vorhersagen ist die Accuracy 95%.
- Beispiel Betrugsserkennung: 99% der Transaktionen sind legitim.
- Ein Modell, das immer "legitim" sagt, erreicht 99% Accuracy – erkennt aber keinen Betrug.
- Bei unbalancierten Daten nutzen Sie besser Recall, Precision oder den F1-Score.
/01Accuracy in der Praxis
Accuracy (Genauigkeit) berechnet den Anteil korrekter Vorhersagen: Richtige ÷ Alle. Bei 950 von 1000 korrekten Vorhersagen ist die Accuracy 95%.
Wann ist Accuracy problematisch?
Bei unbalancierten Daten täuscht Accuracy. Beispiel Betrugsserkennung: 99% der Transaktionen sind legitim. Ein Modell, das immer "legitim" sagt, erreicht 99% Accuracy – erkennt aber keinen Betrug.
Bessere Alternativen
Bei unbalancierten Daten nutzen Sie besser Recall, Precision oder den F1-Score. Diese messen, wie gut seltene Klassen erkannt werden.
Praxis-Tipp
Fragen Sie sich: Was kostet ein Fehler? False Positives (falscher Alarm) vs. False Negatives (übersehener Fall) – die Business-Kosten bestimmen die richtige Metrik.