องค์กรต้องควบคุมเวอร์ชันข้อมูล โค้ด และพารามิเตอร์เพื่อทำซ้ำผล จึงวินิจฉัยว่า เหตุใดการใช้ค่าความแม่นยำ (Accuracy) เพียงอย่างเดียวในการประเมินแบบจำลองการจำแนกประเภท (Classification Model) จึงอาจทำให้การตัดสินใจคลาดเคลื่อนได้
กค่า Accuracy ไม่สามารถใช้กับแบบจำลองที่มีมากกว่า 2 กลุ่มได้ จึงต้องใช้ค่า F1-Score แทนเสมอเมื่อมีการจำแนกประเภทหลายกลุ่ม
ขค่า Accuracy คำนวณได้ยากกว่าค่า Precision และ Recall ทำให้นักวิเคราะห์ส่วนใหญ่หลีกเลี่ยงการใช้ค่านี้ในการประเมินแบบจำลองที่มีข้อมูลขนาดใหญ่
คเมื่อข้อมูลมีความไม่สมดุลของกลุ่ม (Class Imbalance) เช่น ข้อมูลกลุ่มหนึ่งมี 95% แบบจำลองที่ทำนายกลุ่มเดิมทั้งหมดอาจได้ค่า Accuracy สูงถึง 95% แม้ไม่สามารถจำแนกกลุ่มส่วนน้อยได้เลย
งค่า Accuracy ขึ้นอยู่กับขนาดชุดข้อมูลทดสอบโดยตรง ยิ่งชุดข้อมูลทดสอบมีขนาดใหญ่ขึ้นค่า Accuracy จะลดลงทำให้ผลการประเมินไม่น่าเชื่อถือ
เฉลยอธิบาย
เมื่อข้อมูลมีความไม่สมดุลของกลุ่ม (Class Imbalance) ค่า Accuracy อาจสูงมากแม้แบบจำลองจะไม่สามารถจำแนกกลุ่มส่วนน้อยได้เลย เช่น หากข้อมูล 95% เป็นกลุ่ม A และ 5% เป็นกลุ่ม B แบบจำลองที่ทำนายทุกข้อเป็นกลุ่ม A จะได้ Accuracy 95% ทั้งที่ไม่มีประสิทธิภาพในการจำแนกกลุ่ม B จึงควรใช้ค่า Precision, Recall และ F1-Score ร่วมด้วย