待验证60% 置信事实精确时间

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

2

来源数

60%

置信度

长期有效

时效性

2026/7/20

首次发现

来源

零代码做科研：用AI Agent完成机器学习实验全流程

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81% 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80% 相似已验证业界通用标准中，AUC > 0.9为优秀，0.8~0.9为良好，0.7~0.8为一般，0.5~0.7为较差，0.5等同于随机猜测78% 相似待验证AUC值域为0.5到1.0，0.5代表随机猜测、1.0代表完美预测，不受样本类别不平衡影响76% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/567694

API

curl https://kongchang.com/api/v1/knowledge/claims/567694

MCP

get_claim(id=567694)