待验证50% 置信权衡取舍精确时间
在机器学习评估中，精确率与召回率往往存在此消彼长的关系，提高召回率通常会导致更多正品被误判
1
来源数
50%
置信度
长期有效
时效性
2026/8/30
首次发现
来源
涉及实体
相关事实
待验证跌倒检测的准确率与误报率是核心矛盾：灵敏度调高能捕捉更多真实跌倒但误报激增，调低则漏报增加。优选可分级调节灵敏度或有AI学习个人活动模式的产品76% 相似待验证跌倒识别准确率和误报率是天生矛盾：算法灵敏度调高则漏报少但误报多（坐下太快、拍打设备都可能触发），灵敏度调低则误报少但漏报风险大；选可分档调节灵敏度的产品并根据老人活动特点校准75% 相似待验证偶发性故障的内存条可能交替产生正确和错误的计算结果，导致神经网络训练中梯度计算偶发性偏差，影响模型收敛性且不触发硬件告警75% 相似待验证在紧急调度场景中假阴性的代价远高于假阳性，因此系统设计时会刻意降低判定阈值，这在机器学习中被称为非对称代价敏感学习75% 相似待验证识别准确率与误报率是核心权衡：灵敏度调太高能捕捉细微哭声但误报增多，调太低漏报风险大，实际使用应从中高档起步逐步微调74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/825119API
curl https://kongchang.com/api/v1/knowledge/claims/825119MCP
get_claim(id=825119)