在非平衡数据集中训练模型时（其中某些类别的样本数量远多于其他类别），哪个指标最能衡量模型在正确检测和标记类别方面的平衡程度？

F1 score 是精确率 (Precision) 和召回率 (Recall) 的调和平均值，它能很好地衡量模型在不平衡数据集上的性能。在不平衡数据集中，某些类别的样本数量远多于其他类别。Accuracy（准确率）在这种情况下可能具有误导性，因为它可能很高，即使模型对少数类别的预测很差。Recall（召回率）和 Precision（精确率）分别关注模型识别所有正例的能力和模型预测为正例的准确性。F1 score 综合考虑了这两个指标，因此更能反映模型在正确检测和标记所有类别方面的平衡程度，尤其是在正负样本比例悬殊时。