Unverified90% confidenceFactTime unknown
在类别严重不平衡时，PR曲线比ROC曲线更能反映模型的真实性能
1
Sources
90%
Confidence
Long-term
Relevance
6/1/2026
First Seen
Sources
混淆矩阵详解：Precision、Recall与F1分数计算公式及实战应用
bilibili拓跋龙的私人领地
Related Entities
Related Claims
Unverified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72% similarUnverified在极度不平衡数据集中（阳性率低于5%），PR曲线下面积（AP）往往比AUC更能反映模型对少数类的检测能力67% similarUnverified模型的基准分数更高并不等于在所有场景下都更好用66% similarUnverified完美校准的模型在可靠性图中应落在45度对角线上，而过度自信的模型曲线系统性位于对角线下方65% similarUnverified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64% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/20849API
curl https://kongchang.com/api/v1/knowledge/claims/20849MCP
get_claim(id=20849)