准确率（Accuracy）
首先，它的计算公式：
A C C = T P + T N P + N ACC = frac{TP+TN}{P+N}
ACC=
P+N
TP+TN
直白的看，意思就是在所有样本中，我们判断对了多少。 显然是ACC越高越好（保持其他变量不变的话）。
但是！ACC很高（100%除外）并不一定代表网络优秀。这里提问自己，ACC的用途主要适用于那些方面，以及那些方面是不适用的。
打个比方：有10w个样本，其中9.999w都是正样本，剩下的只有10个负样本，你的网络只要在正样本中表现的好就能达到很高的准确率。所以那10个负样本的重要性被忽略了，如果那10个负样本才是重心的话，这个准确率就没有什么现实意义。（其中也暴露出另一个问题，数据的分布对网络的训练和评价也是非常重要的！）
