看过解释说，比如一个分类问题识别癌症，准确率99%，看上去很高了，但是这个癌症的发病率0.01%，也就是一万个人只有一个，如果一个模型识别预测时无脑说阴性，准确率就可以达到99.99%，相比模型的99%更准，所以样本偏差极大的无法用准确率。 同时像医疗场景可能更关注召回率。不可错放过一个造作治疗，就算误判影响的可能让患者多做了一些检查，但如果放过去了，可能最终导致治疗不及时恶化晚期以致死亡。

老师，想去京东面试AI产品经理了

分享一个网站http://charleshm.github.io/2016/03/Model-Performance/

信用场景大多数是好人，准确率可能会引导模型都预测好人，属于样本偏差太大

信用评分预测的不是正负二值，而是区间内数值

图上的好和坏都写反了吧

信用平分的背景下，样本偏差较大，信用好的人远大于信用差的，所以不能用准确率

比如一个分类问题识别癌症，准确率99%，看上去很高了，但是这个癌症的发病率0.01%，也就是一万个人只有一个，如果一个模型识别预测时无脑说阴性，准确率就可以达到99.99%，相比模型的99%更准，所以样本偏差极大的无法用准确率。 同时像医疗场景可能更关注召回率。不可错放过一个造作治疗，就算误判影响的可能让患者多做了一些检查，但如果放过去了，可能最终导致治疗不及时恶化晚期以致死亡。

如果样本中P和N的数据量偏差很大，就不适合用准确率。