MENTAL MODEL · M0769
准确率悖论
Accuracy Paradox
Version 1.0.0 · 更新于 2026-07-30
CORE DEFINITION · 核心定义
在数据类别极度不平衡的情况下（如99%是好人，1%是坏人），一个模型如果全都预测“好人”，其准确率高达99%，但这个模型是完全无用的（因为它抓不到坏人）。
SCAFFOLDING EFFECT · 脚手架效应
psychology
降低认知负荷
警惕虚荣指标。当听到“99%准确率”时，先别急着鼓掌，要看基准概率是多少。对于罕见事件的预测（如癌症筛查、欺诈检测），查全率（Recall）往往比准确率（Accuracy）更重要。
anchor
锚定快速决策
在不平衡数据下，准确率 = 正确预测数 / 总数，被多数类主导。一个全预测多数类的"傻模型"准确率虚高却无判别力。真正重要的是对少数类的识别（查全率、查准率、AUC）。
MINIMUM ACTION · 最小行动
进行中 0/4在一个真实场景中练习这个模型：
勾选记录你的进度（本机暂存）
掌握进度0%
account_tree知识谱系 Genealogyexpand_more
menu_book信源参考 Sourcesexpand_more
来源明确性: 明确
- en.wikipedia.orghttps://en.wikipedia.org/wiki/Accuracy_paradoxverified
PRIVATE NOTES · 仅自己可见
已保存问答
ENTRY Q&A · 可保存至我的笔记
在清晰边界内提问
thinkingmodels 仅基于已发布的条目上下文回答。
你的问题会发送给 thinkingmodels；回答仅使用公开词条上下文。
RELATED MODELS · 相关模型