Usmile 似然评估为平衡与不平衡数据集的二元分类模型提供稳健的无阈值评估

为什么更好的模型检测对日常决策很重要

从医学检测到信用评分，计算机常被用于回答是或否的问题：这名患者有心脏病吗？这笔交易会是欺诈吗？然而，我们用来判断模型好坏的工具有时会产生误导，尤其是在我们寻找的目标很稀少时。本文提出了一种新的模型检查方法，分别考察模型发现重要稀有病例的能力和避免误报的能力，为高风险决策提供更清晰的判断依据。

引用: Więckowska, B., Guzik, P. Usmile likelihood evaluation provides robust threshold free assessment of binary classification models for balanced and imbalanced datasets. Sci Rep 16, 10000 (2026). https://doi.org/10.1038/s41598-026-40545-z

关键词: 二元分类, 不平衡数据, 模型评估, 似然比, 可解释的机器学习