在机器学习中,()是常见的评估指标。A. 准确率B. 召回率C. F1值D. 以上均是

考查要点：本题主要考查学生对机器学习中常见评估指标的掌握情况，需要明确区分不同评估指标的适用场景和定义。

解题核心思路：

1. 准确率（Accuracy）反映整体预测的正确性，但对类别不平衡问题敏感。
2. 召回率（Recall）关注正类样本的预测完整性，常用于需减少漏检的场景。
3. F1值（F1 Score）综合平衡精确率和召回率，适用于类别分布不均的情况。
   关键点：三个指标均属于机器学习中基础且常用的评估工具，需理解其定义和应用场景。

选项分析

A. 准确率

定义：正确预测数占总预测数的比例，公式为：
$\text{Accuracy} = \frac{\text{正确预测数}}{\text{总预测数}}$
特点：适用于类别平衡的分类问题，但对类别不平衡问题可能误导（如欺诈检测中大部分为正常交易）。

B. 召回率

定义：正确预测的正类数占实际正类总数的比例，公式为：
$\text{Recall} = \frac{\text{真正例（TP）}}{\text{TP + 假反例（FN）}}$
特点：用于需减少漏检的场景（如医疗诊断），反映模型对正类的识别能力。

C. F1值

定义：精确率（Precision）和召回率的调和平均，公式为：
$\text{F1} = 2 \cdot \frac{\text{Precision} \cdot \text{Recall}}{\text{Precision + Recall}}$
特点：综合平衡精确率和召回率，适合类别分布不均的情况。

D. 以上均是

结论：三个指标均为机器学习中基础且常用的评估工具，因此正确答案为 D。