待验证50% 置信事实精确时间

AUC是衡量二分类模型排序能力的指标，取值0.5到1，不依赖具体阈值；McNemar检验是针对配对二分类数据的统计检验，p<0.05通常视为显著。

1

来源数

50%

置信度

长期有效

时效性

2026/10/13

首次发现

来源

微软决策模型实测：概率输出如何革新AIOps根因定位

涉及实体

AUCconcept McNemar检验concept

相关事实

待验证AUC是衡量二分类模型综合性能的核心指标，ROC曲线思想起源于二战时期雷达信号检测领域，1950年代被形式化为信号检测理论70% 相似待验证McNemar检验是一种专门用于配对二分类数据的非参数检验方法68% 相似待验证AUROC是通过绘制不同阈值下真正率与假正率的关系曲线并计算曲线下面积来评估分类模型区分能力的指标68% 相似待验证分类模型的常用评估指标包括准确率、精确率、召回率、F1分数和ROC-AUC曲线66% 相似待验证多种子实验中检验对象从单样本预测分歧变为多次运行的准确率序列时，通常已不再适用McNemar检验64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1018534

API

curl https://kongchang.com/api/v1/knowledge/claims/1018534

MCP

get_claim(id=1018534)