已验证65% 置信事实时间未知

精度(Accuracy)的计算公式为(TP+TN)/(P+N)，即模型预测正确的样本数占总样本数的比例

3

来源数

65%

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

Accuracyconcept

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% 相似待验证测试的准确率数据在n=100样本量下误差约为±8-10个百分点（基于95%置信水平的二项分布置信区间）66% 相似待验证IQ（Importance-Quant）系列利用激活值统计衡量每个权重的重要性，对重要权重分配更高精度65% 相似待验证阈值函数的有效性高度依赖于底层模型输出概率的校准质量65% 相似已验证在样本严重不均衡时，精度(Accuracy)会产生误导，模型把所有人都预测为健康精度照样能达到99%以上65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/20853

API

curl https://kongchang.com/api/v1/knowledge/claims/20853

MCP

get_claim(id=20853)