待验证50% 置信事实精确时间

ROC曲线使用假阳性率FPR = FP / (FP + TN)作为横轴，当负样本数量极大时FPR会显得很低

1

来源数

50%

置信度

长期有效

时效性

2026/8/30

首次发现

来源

交易AI Agent决策阈值设计：固定阈值vs动态调整怎么选

涉及实体

ROC曲线concept FPRconcept

相关事实

待验证假阳性率的计算公式为FPR = FP / (FP + TN)，是衡量分类器质量的核心指标之一79% 相似待验证当正负样本比例发生变化时，ROC曲线的形状能够基本保持不变，而PR曲线通常会出现较大波动73% 相似待验证假阳性与假阴性的权衡在信号检测理论中被形式化为ROC曲线（接收者操作特征曲线）73% 相似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65% 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63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/824030

API

curl https://kongchang.com/api/v1/knowledge/claims/824030

MCP

get_claim(id=824030)