Unverified50% confidenceFactExact time
在样本极度不平衡的场景下，即便准确率高达95%，模型也可能完全无法识别少数类
1
Sources
50%
Confidence
Long-term
Relevance
7/12/2026
First Seen
Sources
从零训练机器学习模型：新手完整入门指南
redditr/learnmachinelearning7/11/2026
Related Claims
Unverified在正负样本极度不均衡的场景（如欺诈检测）中，单纯看准确率作为评估指标毫无意义73% similarUnverified在类别不平衡场景下，模型可以通过一律预测多数类获得看似漂亮的准确率，这种现象被称为准确率悖论（Accuracy Paradox）72% similarUnverified在样本严重不均衡时，精度(Accuracy)会产生误导，模型把所有人都预测为健康精度照样能达到99%以上71% similarUnverified对比学习中的推远操作只要求负样本相似度低于正样本，并不要求达到-1的极端值69% similarUnverified基准测试面临饱和（Saturation）和数据污染（Data Contamination）两个系统性挑战，当多个主流模型得分超过95%时测试集失去区分能力69% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/490199API
curl https://kongchang.com/api/v1/knowledge/claims/490199MCP
get_claim(id=490199)