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. 准确率（Accuracy）B. KS值（Kolmogorov-Smirnov）C. F1值D. 召回率（Recall）

本题考查分类模型评估指标的理解，核心在于识别衡量模型区分正负样本能力的指标。关键点在于：

1. 准确率反映整体预测正确性，但无法体现类别分布差异；
2. 召回率关注正样本检出率，但未直接衡量区分度；
3. F1值综合平衡精确率与召回率，但不直接评估排序能力；
4. KS值（Kolmogorov-Smirnov）通过比较正负样本预测概率的分布差异，直接反映模型区分能力，是正确答案。

选项分析

A. 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：当类别分布不均衡时（如正样本极少），高准确率可能仅反映对多数类的预测能力，无法体现对正负样本的区分。

B. KS值（Kolmogorov-Smirnov）

• 定义：衡量模型预测概率在正负样本之间的最大分布差异。具体为正样本累积概率与负样本累积概率曲线之间的最大垂直距离。
• 作用：KS值越高，说明模型对正负样本的排序越清晰，区分能力越强。直接回答题目需求。

C. F1值

• 定义：精确率（Precision）与召回率（Recall）的调和平均，用于平衡两类指标。
• 局限性：综合指标，无法单独反映正负样本的区分能力。

D. 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：仅关注正样本检出率，未涉及对负样本的区分。