待验证50% 置信事实精确时间

ROC曲线下面积（AUC-ROC）越接近1，分类器越优秀

1

来源数

50%

置信度

长期有效

时效性

2026/7/7

首次发现

来源

Claude Code误判申诉指南：三大反馈渠道优化AI分类器

twitterclaudeai2026/7/1

相关事实

待验证AUC-ROC的核心优势在于对类别不平衡不敏感，能反映模型在不同分类阈值下的综合区分能力，AUC值范围在0.5到1.0之间81% 相似已验证ROC曲线的AUC=1表示完美分类器，AUC=0.5等同于随机猜测80% 相似待验证AUC可以通过梯形法则对ROC曲线下方面积进行数值积分得到，也可以通过Mann-Whitney U统计量等价计算75% 相似待验证AUC的取值范围在0到1之间，数值越大代表模型分类能力越强70% 相似待验证当正负样本比例发生变化时，ROC曲线的形状能够基本保持不变，而PR曲线通常会出现较大波动64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/183744

API

curl https://kongchang.com/api/v1/knowledge/claims/183744

MCP

get_claim(id=183744)