待验证90% 置信事实时间未知

在类别严重不平衡时，PR曲线比ROC曲线更能反映模型的真实性能

1

来源数

90%

置信度

长期有效

时效性

2026/6/1

首次发现

来源

混淆矩阵详解：Precision、Recall与F1分数计算公式及实战应用

bilibili拓跋龙的私人领地

涉及实体

PR曲线concept ROC曲线concept

相关事实

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72% 相似待验证在极度不平衡数据集中（阳性率低于5%），PR曲线下面积（AP）往往比AUC更能反映模型对少数类的检测能力67% 相似待验证模型的基准分数更高并不等于在所有场景下都更好用66% 相似待验证完美校准的模型在可靠性图中应落在45度对角线上，而过度自信的模型曲线系统性位于对角线下方65% 相似待验证当正负样本比例极端时，PR曲线下的面积（AUPRC）往往比AUC更能揭示真实性能64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/20849

API

curl https://kongchang.com/api/v1/knowledge/claims/20849

MCP

get_claim(id=20849)