當在不平衡的資料集上訓練模型時，某些類別的範例數量遠多於其他類別，哪種指標最能衡量模型在正確偵測和標記類別方面的平衡程度？

F1 分數最能衡量模型在不平衡資料集上的平衡程度，因為它結合了精確率 (Precision) 和召回率 (Recall)。精確率衡量模型正確預測正例的比例，而召回率衡量模型實際為正例且被模型正確識別的比例。在類別不平衡的情況下，單獨使用精確率或召回率可能會產生誤導。例如，一個模型可以透過將所有樣本都預測為多數類別來獲得高精確率，但其召回率會很低。F1 分數是精確率和召回率的調和平均值，因此它在兩者之間取得了平衡，為模型的性能提供了更全面的評估，尤其是在不平衡的資料集上。準確率 (Accuracy) 在不平衡資料集上容易被多數類別主導，無法有效反映模型對少數類別的表現。