概念class imbalance / 类别不平衡
标签不平衡
标签不平衡是机器学习中类别样本数量差异悬殊的现象，导致准确率等指标失真，需采用F1、精确率、召回率等指标评估。
时间轴 (近 90 天)
10月17日
在标签不平衡的场景下，准确率极具误导性，一个永远预测多数类的模型可以在准确率上拿到很高的分数但漏掉所有正例。
待验证50%
标签不平衡是机器学习中类别样本数量差异悬殊的现象，导致准确率等指标失真，需采用F1、精确率、召回率等指标评估。
在标签不平衡的场景下，准确率极具误导性，一个永远预测多数类的模型可以在准确率上拿到很高的分数但漏掉所有正例。