某個詐欺偵測系統會將可疑的信用卡交易標記出來，供員工審查。公司希望減少審查實際為合法交易的標記案例所花費的時間。哪一個評估指標最能支援此目標？

精確度 (Precision) 最能支援此目標。精確度衡量的是在所有模型預測為正例（在此為可疑交易）的案例中，有多少比例是真正的正例。高精確度表示模型標記出的可疑交易中，有很高比例確實是詐欺，因此能減少員工審查合法交易的時間。 召回率 (Recall) 衡量的是所有真正的正例中，有多少比例被模型正確識別。雖然召回率也很重要，但高召回率可能伴隨較低的精確度，導致大量合法交易被標記。準確度 (Accuracy) 衡量的是模型整體預測正確的比例，但當正負樣本不平衡時，準確度可能具有誤導性。提升圖 (Lift chart) 用於評估模型相對於隨機選擇的表現，而非直接衡量模型預測的正確性。