待验证50% 置信权衡取舍精确时间

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

1

来源数

50%

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编程工具完成机器学习建模全流程

相关事实

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83% 相似待验证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74% 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71% 相似待验证研究表明将收入从精确值泛化为5个区间可能导致模型AUC下降2-5个百分点70% 相似待验证品种比例低于5%的检测结果基本不具参考意义，可能是数据库比对噪声，选购时应关注报告是否明确标注比例置信区间而非单纯给出百分比69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/567794

API

curl https://kongchang.com/api/v1/knowledge/claims/567794

MCP

get_claim(id=567794)