进池评分

进池评分是一种评价模型性能的指标。在机器学习中，我们通常将数据集分为训练集和测试集，用训练集来训练模型，然后用测试集来评估模型的性能。然而，有时候我们的数据集可能存在一些问题，比如标签分布不均衡的情况。为了解决这个问题，我们可以使用进池评分。

进池评分是通过使用训练集中的一部分样本作为"池"，从池中随机选择样本来训练模型，然后在剩余的测试集上进行评估。这样做的好处是可以确保训练和测试数据的分布是相同的，从而更好地反映模型在实际应用中的性能。进池评分可以有效地减轻标签不均衡的问题，提高模型的泛化能力。