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

考查要点：本题主要考查对分类模型评估指标的理解，特别是区分正负样本能力的特定指标。

解题核心思路：明确各选项指标的定义与应用场景，KS值专门用于衡量模型对正负样本的区分能力，而其他选项（如F1值、召回率、准确率）更侧重于整体分类效果或特定方向的性能。

破题关键点：

1. KS值通过比较正负样本的累积概率分布差异，直接反映模型的区分能力。
2. 其他选项中，召回率关注正样本识别率，准确率衡量整体正确率，F1值综合平衡精确率和召回率，均非直接衡量区分能力的指标。

KS值（Kolmogorov-Smirnov）是智能风控中常用的评估指标，其核心作用是量化模型预测概率在正负样本之间的分布差异。具体计算步骤如下：

1. 预测概率排序：将模型对所有样本的预测概率按从高到低排序。
2. 累积分布计算：分别计算正样本（如违约客户）和负样本（如正常客户）的累积概率分布。
3. 最大差值提取：找到正负样本累积分布之间的最大垂直距离，即为KS值。

KS值的意义：

• 数值范围：0到1，数值越大说明区分能力越强。
• 应用场景：在风控中，高KS值表明模型能有效分离高风险与低风险样本，是模型性能的重要参考。