在处理类别不平衡时，哪种评价指标不是一个好的选择？

A.    精确度(Accuracy)

B.    召回率(Recall)

C.    F1分数(F1 score)

D.    ROC曲线下的面积 (AUC)
参考答案： A
解析：当存在类别不平衡时，简单地使用精确度作为评估指标可能会误导模型性能。例如，如果一个分类任务中有95%的正类和5%的负类，仅预测所有样本为正类也可以得到95%的精确度，但这并不表示模型有良好的性能。