一、任务背景
某消费金融团队开发了一个信用评分模型（二分类：通过/拒绝）。数据中"通过"样本占 92%，"拒绝"样本占 8%。模型开发完成，需要你设计测试方案并记录测试结果。
二、任务要求
- 选择测试指标并说明理由（考虑类别不平衡）
- 说明测试集如何划分，为什么测试集不能参与训练
- 给出一份测试记录表的结构（字段设计）
- 说明什么样的结果算"可上线"，什么样的结果要返工
三、作答框架（建议结构）
| 部分 | 写什么 | 篇幅参考 |
|---|---|---|
| 指标选择 | 指标＋理由（针对不平衡数据） | 3-4 行 |
| 测试集设计 | 划分方式＋比例＋防泄漏措施 | 3-4 行 |
| 记录表结构 | 字段清单（表格） | 6-8 字段 |
| 判定标准 | 可上线 / 返工的条件 | 2-3 行 |
四、参考要点（先自己写，再展开对照）
点击展开参考要点清单
- 指标：不能只看准确率（92% 全判"通过"也有高准确率）；应看召回率、精确率、F1，以及业务口径的"拒绝样本漏放率"
- 测试集划分：分层抽样保持 92:8 比例；测试集只用于最终评估，调参过程用验证集；防止同一用户数据同时出现在训练与测试
- 记录表字段：测试时间、模型版本、数据集版本与规模、指标结果、异常案例、测试人、结论
- 判定标准：如"拒绝类召回率不低于约定下限，且关键指标较上一版无下降"可上线；未达标则定位原因后返工
五、常见扣分点
- 只报准确率，没有针对不平衡数据的指标
- 测试集与训练集混用（数据泄漏）
- 没有测试记录表设计，只有结论
- "可上线"没有量化标准