Genauigkeit (Accuracy) ist die grundlegendste und am häufigsten verwendete Bewertungsmetrik für Klassifikations- und Entscheidungsauflagen. Sie gibt den Anteil der Stichproben an, bei denen die Vorhersageergebnisse exakt mit den tatsächlichen Labels übereinstimmen, und spiegelt so die allgemeine Korrektheit des Modells wider. Üblicherweise wird sie als Prozentwert oder als Wert zwischen 0 und 1 berichtet; ein höherer Wert ist besser. Bei ausgewogenen Klassen ist diese Metrik zuverlässig; bei stark unausgewogenen Klassen wird empfohlen, sie zusammen mit Macro-F1, MCC oder AUROC zu verwenden. Diese Metrik wird in relevanten Benchmarks und Publikationen weit verbreitet eingesetzt, was den Vergleich verschiedener Methoden oder Modellversionen erleichtert.