据我了解，在数据不平衡且F1指标优于那种情况下，准确性不是比较两个模型性能的好方法，因此，我尝试给出两个模型的示例，其中模型A为优于模型B，但B的精度大于A的精度，而A的F1大于B的F1。 有这种情况吗？如果不是，请告诉我原因，如果是，请给我榜样。
答案 0 :(得分：1)
能否请您提供更多有关背景故事的信息？ 您正在比较哪种模型，数据集是什么样的？
实际上，比较准确度可能还不够。我前段时间写了blog post关于ML模型比较的文章，您可能想看看。
答案 1 :(得分：0)
只需使用UCI存储库或Kaggle中的任何不平衡数据集即可。一个很好的数据集是信用卡欺诈数据集或两个存储库中都可用的任何癌症数据集。这些数据集在未经任何处理来处理类之间的不平衡情况下进行训练时，将为您提供99.99％的良好准确性和差的F1分数。