待验证50% 置信事实精确时间

在二分类混淆矩阵中，F1分数是精确率和召回率的调和平均

1

来源数

50%

置信度

长期有效

时效性

2026/9/7

首次发现

来源

贝叶斯推断实战：从原理到Python代码实现完整指南

涉及实体

F1分数concept 混淆矩阵concept

相关事实

待验证反讽检测任务在标准数据集（如iSarcasm、SemEval系列）上的最佳F1分数长期徘徊在70%-80%区间67% 相似待验证该模型的F1分数为72%，数据存在严重的类别不平衡，比例为89:1165% 相似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一57% 相似待验证在评估阶段对候选关系标签进行随机打乱后，该模型的F1从37%骤降到14%56% 相似待验证中心差分公式 (f(a+h)-f(a-h))/(2h) 的近似精度更高，误差为O(h²)而非O(h)55% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/868409

API

curl https://kongchang.com/api/v1/knowledge/claims/868409

MCP

get_claim(id=868409)