待验证50% 置信事实精确时间

精确率 = 真正例 / (真正例 + 假正例)，召回率 = 真正例 / (真正例 + 假负例)；F1 是二者的调和平均，隐含二者同等重要的假设。

1

来源数

50%

置信度

长期有效

时效性

2026/10/19

首次发现

来源

准确率骗了你：ML Zoomcamp模块4的ROC AUC与交叉验证实战

涉及实体

精确率concept 召回率concept F1concept

相关事实

待验证精确率指模型判定为正例的样本中真正为正例的比例，召回率指所有真正正例中被模型成功识别的比例，两者通常呈反向关系74% 相似待验证召回率的计算公式为真正例除以真正例加假反例之和71% 相似待验证在二分类混淆矩阵中，F1分数是精确率和召回率的调和平均70% 相似待验证传统分类框架中的真/假概率对（F = 1 − T）在代数上是冗余的，因为假的概率完全由真的概率决定，不提供独立信息66% 相似待验证在未扰动的模拟场景上，严格评分（贪心中心距离匹配）给出精确率=召回率=F1=1.000，零误报。66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1072321

API

curl https://kongchang.com/api/v1/knowledge/claims/1072321

MCP

get_claim(id=1072321)