哪种指标通常最适合相互比较和评估分类模型？

AUC（ROC 曲线下面积）是评估分类模型性能的综合指标，它衡量模型区分正负样本的能力，且对类别不平衡不敏感。AUC 值越高，模型性能越好。召回率（Recall）只关注模型正确识别正样本的能力，忽略了假正例。错误分类率（Misclassification rate）是模型预测错误的比例，但当类别不平衡时，它可能具有误导性。平均绝对百分比误差（MAPE）是回归模型的评估指标，不适用于分类模型。