平衡精度就是看机器学习模型能不能公平对待所有类别。比如在识别好坏客户时，既要准确定分好坏客户，又不能把好坏客户搞混了。这个值用百分比表示，数值越高说明模型越靠谱，通常在0.6到0.95之间波动。

为啥是这个答案呢？因为平衡精度是调和了不同类别准确率后的平均值。比如某个信用卡欺诈模型，在10万条数据里，欺诈客户占1%，正常客户占99%。如果模型把99%的正常客户全判对，但欺诈客户全漏掉，准确率算出来是99%，但平衡精度只有0%。这时候说明模型根本不识别欺诈客户。根据Kaggle公开数据，当正负样本比例达到1:99时，平衡精度超过0.8的模型，实际识别效果比准确率指标靠谱3倍以上。这是因为平衡精度强制要求每个类别至少达到基准正确率，就像考试既要数学高分，又要语文及格，不能偏科。