前k准确率（top-k accuracy）

普通的准确率是非黑即白的：模型那个唯一的最佳猜测，要么对，要么错。前k准确率则宽容得多。它允许模型给出它最好的k个猜测，只要真实答案落在那张短名单里的任何位置，就算这次预测对了。最常见的版本是前5准确率，它问的是：正确答案，在不在模型最可能的五个选项之中？

对于那些类别繁多、细粒度、又极易混淆的任务，这很有道理。一张哈士奇的照片，可能真的很难和阿拉斯加雪橇犬或狼区分开来；要求模型必须把确切的品种作为它的头号猜测，可能严苛得不公平。前5准确率奖励模型「至少把真相放进了认真的竞争里」，而这往往正好匹配预测的实际用法——比如，给一个人摆出一份简短的候选菜单让他挑选。

这是个有用的视角，但要坦白它掩盖了什么。95%的前5准确率听起来光彩夺目，可同一个模型的前1数字，也许是谦逊得多的75%——而如果你的应用是依据「单一的自动答案」来行动的，你要承受的就是那个前1。只报那个好看的前5数字，是让模型听起来比它实际表现更好的一种经典手法。永远要问清楚：k是几，以及这个k是否匹配系统真实的用法。