已验证65% 置信事实时间未知
精度(Accuracy)的计算公式为(TP+TN)/(P+N)，即模型预测正确的样本数占总样本数的比例
3
来源数
65%
置信度
长期有效
时效性
2026/6/1
首次发现
来源
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
涉及实体
相关事实
待验证精确率指模型判定为正例的样本中真正为正例的比例，召回率指所有真正正例中被模型成功识别的比例，两者通常呈反向关系74% 相似待验证机会归一化准确率的计算方式为（模型准确率 − 随机猜测准确率）/（1 − 随机猜测准确率）。70% 相似待验证宏平均准确率先分别计算每个类别的准确率再取算术平均，对少数类别的表现更为敏感；总体准确率是所有样本中预测正确的比例，容易受类别样本数量分布的影响。69% 相似待验证研究者提出让模型显式输出概率、或在采样多次后统计答案一致性（self-consistency）来估计可靠性。68% 相似待验证测试的准确率数据在n=100样本量下误差约为±8-10个百分点（基于95%置信水平的二项分布置信区间）66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/20853API
curl https://kongchang.com/api/v1/knowledge/claims/20853MCP
get_claim(id=20853)