文档摘要

7.1 评估指标 本节摘要：异常检测的评估与模型选择至关重要，但由于异常样本远少于正常样本，"准确率"这类直觉指标反而具有欺骗性。本节从混淆矩阵出发，逐个拆解准确率、召回率、精确率、F1-score 的定义与陷阱，再讲透 ROC 曲线/AUC 与 PR 曲线/AP 在不平衡数据下的选择逻辑。核心结论：异常检测的评估必须盯着"异常那一类"的表现，指标选择要由业务代价决定。 会员。《7.1 评估指标》收录于灏天文库文集《时间序列异常检测技术》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/490-%E6%97%B6%E9%97%B4%E5%BA%8F%E5%88%97%E5%BC%82%E5%B8%B8%E6%A3%80%E6%B5%8B%E6%8A%80%E6%9C%AF

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流