Accuracy نسبت پیش‌بینی‌های درست به کل پیش‌بینی‌هاست. در داده نامتوازن می‌تواند گمراه‌کننده باشد، مدلی که همیشه کلاس غالب را پیش‌بینی کند ممکن است Accuracy بالا اما ارزش کمی داشته باشد.
در کنار اکیوریسی باید Precision، Recall، F1 و ماتریس درهم‌ریختگی بررسی شوند.
اگر از هر هزار تراکنش فقط ده تراکنش تقلبی باشند، مدلی که همه را سالم تشخیص می‌دهد ۹۹ درصد Accuracy دارد اما هیچ تقلبی کشف نمی‌کند.
در همین واژه‌نامه، طبقه‌بندی و خوشه‌بندی از مفاهیم مرتبط هستند.
پیش از اعتماد به نتیجه، داده آزمون مستقل و معیار متناسب با مسئله تعریف کنید. خروجی ظاهراً قانع‌کننده همیشه به معنی عملکرد قابل‌اعتماد نیست.