在智能风控中，用于衡量模型区分正负样本能力的指标是(）。A. 召回率（Recall）B. F1值C. KS值（Kolmogorov-Smirnov）D. 准确率（Accuracy）

考查要点：本题主要考查对模型评估指标的理解，特别是区分正负样本能力的衡量标准。
解题核心：明确各选项指标的定义与应用场景，抓住KS值的核心作用——衡量正负样本分布的分离程度。
关键点：

• 召回率关注正样本检出率，准确率反映整体正确率，F1值综合平衡精确率与召回率，均非直接衡量区分能力。
• KS值通过比较正负样本的累积分布差异，直接反映模型对两类样本的分离效果，是风控场景下的核心指标。

选项分析

A. 召回率（Recall）

• 定义：正确预测的正样本数占实际正样本总数的比例。
• 局限性：仅关注正样本的检出率，无法反映模型对负样本的区分能力。

B. F1值

• 定义：精确率（Precision）与召回率的调和平均，综合平衡两类指标。
• 局限性：适用于类别不平衡问题，但未直接体现正负样本的分离程度。

C. KS值（Kolmogorov-Smirnov）

• 定义：衡量正负样本预测概率分布的最大差异，取值范围为$[0,1]$，值越大表明区分越强。
• 核心作用：直接评估模型对两类样本的分离能力，是风控领域评价模型性能的关键指标。

D. 准确率（Accuracy）

• 定义：正确预测的样本数占总样本数的比例。
• 局限性：在类别分布不均衡时失效（如负样本占比过高时，模型可能“偏科”预测负类）。