Почему метрика accuracy может быть ненадежной при анализе несбалансированных данных?

Метрика accuracy может быть ненадёжной при анализе несбалансированных данных, потому что она не показывает, как качественно модель предсказывает каждый из классов. dzen.ru

Например, если большинство примеров принадлежит к одному классу, accuracy для этого класса будет выше, чем для другого. pythonru.com Полагаясь на это значение, можно подумать, что для любой выборки (независимо от её класса) модель сделает правильный прогноз в определённом проценте случаев. pythonru.com Это неверно, так как для другого класса модель может работать очень плохо. pythonru.com

Также в случае несбалансированных данных классификаторы с меньшим значением accuracy могут давать лучший прогноз при решении прикладных задач, чем классификаторы, имеющие более высокие значения этого параметра. cyberleninka.ru