面试题库 › 算法 / 大模型 › 样本不均衡对 ROC、PR 等指标的影响

样本不均衡对 ROC、PR 等指标的影响

难度 ★★☆在 4 场真实面经中被问到 方向:算法 / 大模型考点:模型评估与指标

哪些公司问过

字节跳动2OPPO1京东1

常见岗位:机器学习算法(泛)、计算机视觉、大模型算法

答案要点

  1. ROC的TPR、FPR各自在类内计算,类别比例变化时曲线基本稳定
  2. PR的Precision受负样本数量影响,正样本稀少时更敏感也更有区分度
  3. Accuracy在不均衡下会虚高,应结合Recall、F1、PR-AUC、MCC等看
  4. 处理手段:重采样、SMOTE、类别加权、Focal Loss、阈值调整
  5. AUC等价于随机正样本得分高于随机负样本的概率,评估集整体复制样本不改变AUC

易错点

面试官常见追问

完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。

相关面试题