待验证50% 置信事实精确时间

在类别不平衡场景下，模型可以通过一律预测多数类获得看似漂亮的准确率，这种现象被称为准确率悖论（Accuracy Paradox）

1

来源数

50%

置信度

长期有效

时效性

2026/8/9

首次发现

来源

从Notebook到生产：爽约预测系统MLOps全栈实践指南

redditr/mlops2026/8/8

相关事实

待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77% 相似已验证在样本极度不平衡的场景下，即便准确率高达95%，模型也可能完全无法识别少数类72% 相似待验证'99% 准确率'的模型在生产环境中仍可能频繁出错，因为剩余的 1% 往往对应现实中最关键的长尾细节场景68% 相似待验证泰特洛克的研究得出结论：专家预测的准确率仅略高于随机猜测，甚至不如简单的统计基准线68% 相似待验证在正负样本极度不均衡的场景（如欺诈检测）中，单纯看准确率作为评估指标毫无意义68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/721131

API

curl https://kongchang.com/api/v1/knowledge/claims/721131

MCP

get_claim(id=721131)