待验证50% 置信权衡取舍精确时间

SMOTE能够提升召回率，但可能引入假阳性，从而在准确率上做出妥协

1

来源数

50%

置信度

长期有效

时效性

2026/9/11

首次发现

来源

机器学习在电力系统故障筛查中的应用：随机森林实现高精度安全分类

涉及实体

相关事实

待验证平台选择高召回率策略必然以牺牲精确率为代价，即精确率-召回率困境69% 相似待验证在机器学习评估中，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69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/902739

API

curl https://kongchang.com/api/v1/knowledge/claims/902739

MCP

get_claim(id=902739)