待验证50% 置信事实精确时间

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

1

来源数

50%

置信度

长期有效

时效性

2026/7/12

首次发现

来源

从零训练机器学习模型：新手完整入门指南

redditr/learnmachinelearning2026/7/11

相关事实

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84% 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82% 相似待验证ROC曲线下面积（AUC-ROC）越接近1，分类器越优秀81% 相似待验证AUC是二分类模型的综合评估指标，值域0.5到1.0，不受样本类别不平衡影响；临床预测中AUC 0.7~0.8有一定参考价值，0.8~0.9为良好，0.9以上为优秀81% 相似待验证AUC是衡量二分类模型综合性能的核心指标，0.5代表随机猜测，1.0代表完美分类75% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/490197

API

curl https://kongchang.com/api/v1/knowledge/claims/490197

MCP

get_claim(id=490197)