跑完一轮铀矿靶区预测，验证孔打下去全空，多数人的第一反应是换算法。我的经验相反：模型不好，八成是标签的问题。样本建错，后面所有工作都是在精确地犯错，算法越先进，错得越快、越像样。这篇只谈样本这一件事——正样本怎么定、负样本往哪放、类别不平衡怎么处理，三条都能当天改。
一、陷阱一·已知矿点不等于正样本
已知矿点不等于正样本。这是整套流程里最容易被跳过、也最致命的一步。
现场最常见的做法，是把矿点图层整个导出来当正样本，几十个点，跑出来的 AUC 能到 0.95，报告也漂亮。评审只问一句：这些点是怎么定的，模型就站不住了。
所以正样本入库前必须过三问。
第一问，规模够不够。工业矿体、矿化点、异常点，是三类东西，必须分开建模。混在一起，等于教模型"只要有一点异常就算成矿"，学出来的边界必然比真实矿体大一圈。
第二问，可靠性如何。这个点是钻孔见矿定的，还是地表露头、物探推断、还是从邻区类比过来的？有工程控制的点才叫证据，其余只能算线索。线索可以参与建模，但不能和证据同权。
第三问，坐标精度多少。GPS 实测的点，误差在米级；从 1:20 万老地质图上量的点，图面 0.5 mm 就是实地 100 m。这类点在平面图上看不出来，一进模型就是系统性偏移。
这笔账可以算得更细。1:20 万图上 1 mm 折合实地 200 m，手工数字化时手一抖 0.3 mm，就是 60 m；再叠加底图展点误差与坐标系统转换残差，点位整体偏出百米是常事。图面上看不出任何异常，落进块体模型，正样本就压在了错误的块段上。
判断条件写死：坐标精度低于 100 m 的矿点，只做参考样本，不进训练集；只有异常依据、没有工程控制的点，单独建一类"疑似正样本"，权重打五折。这两条挡掉的是最常见的一批脏标签。
铀矿还多一层麻烦：γ 异常不等于矿体。
γ 测井量的是镭的子体，不是铀本身。铀在氧化带里被淋走、镭留下，γ 就虚高；铀迁移到还原带沉淀、镭没跟上，γ 就偏低。这一对分家的程度用平衡系数 K 表示，K 取镭比铀。K 小于 0.9 叫偏铀，γ 低估铀含量，容易漏矿；K 大于 1.1 叫偏镭，γ 高估，容易把低品位段当工业孔。
判断条件：每个 γ 异常带至少取 3 个样品算 K 值，K 偏离 0.9–1.1 区间就先做校正，校正完再定标签。跳过这一步，等于把"镭的堆积"当"铀的富集"喂给模型。
二、陷阱二·随机撒负样本是最危险的默认操作
随机撒负样本，是这套方法里最危险的一个默认动作，偏偏几乎所有教程都这么教。
原因不难想：研究区里未被发现的矿体是客观存在的。你在全区随机撒点，很可能有若干个点正好落在这些未知矿体上，于是你告诉模型"这里没有矿"——而事实是"我们还不知道"。模型会认真地把这条错误规律学进去，训练集上精度很漂亮，野外验证一个不中。
正确做法只有一条主线：负样本必须退到矿化晕之外。
具体三件事。
一是设缓冲带。负样本距最近正样本的最小距离，取矿化晕半径，或者勘探线距的 2–3 倍。这个宽度按区标定，不能全省一个数。缓冲区内的点一律不用，宁可选点范围小，也不要贴着边界取点。
二是只在"勘探程度高且确认无矿"的区域取点。这句话是核心。一个区块如果只打过两个孔，没见矿，不等于无矿，只等于没查清。
三是把"确认无矿"定义清楚。三条至少满足两条：有钻孔控制且未见矿化、有系统化探且无异常、有工程揭露（坑道、浅井）见到无矿层位。只满足一条的，归入"待定",不参与训练。
判断条件也很硬：缓冲带宽度小于 1 倍勘探线距时，这批负样本整体不可信，重做；负样本落在已知异常区内的比例超过 5%，同样重做。这两个比例在选点完成后就要统计，不要等模型跑完再回头查。
还有个变体值得提防：沿剖面线等间距撒点。看起来规整、像有设计，其实只要剖面穿过异常带，点就贴着异常落，问题与随机撒点一样。
缓冲带的宽度也不能拍脑袋。做法是拿已知矿点做半变异函数，看矿化晕的实际影响范围；没有变异函数资料时，用勘探线距作替代量，取 2–3 倍。线距 100 m 的矿区，缓冲带就是 200–300 m 宽。
我吃过一次亏。一片十来平方公里的区，负样本按 500 m 网格机械铺满，看着均匀、看着"有代表性"，后来验证见矿的位置，有 7 个点正好落在当初的负样本上。模型 AUC 0.93，第一轮验证全空。把负样本退到异常区外重做之后，AUC 掉到 0.78，命中率反而上来了。（示例数据，非真实项目）
这件事之后我改了流程：负样本选完先上图叠一层已知异常与物化探弱信息，肉眼过一遍，再进训练。
正样本"哪里算矿"这件事，本身依赖分带与成矿规律判断，样本建得再干净，前提错了也没用，砂岩型铀矿层间氧化带怎么圈定 那篇讲的就是这个前提怎么立。
三、陷阱三·正负 1:100 时，AUC 与准确率都会骗人
样本比例一旦到了 1:100，准确率和 AUC 都失去意义，这是很多人栽跟头的地方。
先说准确率。全判负，准确率就有 99%。这个数字拿去做汇报很好看，但它描述的是"多数类占多少"，不是"模型学到了什么"。
再说 AUC。AUC 衡量的是排序能力，正样本极少时它依然可以很高。原因很实在：负样本太多，随便排一排，正样本很容易被排到前面去，AUC 自然上去。模型可能只是学会了"离已知矿点近的块体更可疑"，而这正是采样偏倚。
所以评估要看三样：召回率、PR 曲线、以及前 N 个候选里的命中个数。
召回率的含义是"真正的矿被找回来多少"，这是勘探最关心的数。PR 曲线在不平衡数据上比 ROC 敏感得多，两条曲线一对比，模型的真实水平立刻显形。前 N 个候选命中数则是工程口径——反正一年只能打这么多孔，就问这几十个候选里能中几个。
处理不平衡有三种手段，取舍不一样。
类别权重最稳。它不改数据分布，只在损失函数里把少数类的错误放大，从 5–10 倍权重起试，观察召回率与虚警率的平衡点。首选就是它。
重采样简单但有代价。过采样重复少数类样本，等于让模型反复看同样的几个点，容易记住而不是学会；欠采样丢多数类信息，空间覆盖变稀，反而放大采样偏倚。
SMOTE 在地质数据上要非常谨慎。它的原理是在特征空间里给少数类插值造新样本。问题在于地质样本有极强的空间自相关——相邻样品的信息高度重复，插出来的"新矿点"落在特征空间合理、落在真实空间可能就是河道里、城区里，没有任何地质意义。
判断条件：正负比超过 1:20，先上类别权重并把指标换成 PR；SMOTE 只在特征彼此独立、且没有空间结构的数据上考虑；铀矿样本不建议用。
还有第四种手段常被漏掉：代价敏感学习。把漏判的代价设得比误判高，比如 10:1，模型会自动偏向"宁可多圈一点"。铀矿勘探通常就是这种场景——漏掉一个矿的代价，远大于多打几个空孔。代价比例不能随便定，一般按"一个空孔的成本 ÷ 一个漏判矿体的期望损失"估，估不出来就用 5:1 到 10:1 试，看验证结果再调。
报数也有规矩：只报召回率不报虚警率，等于只报好消息。合理的写法是三个数一起给——召回率、虚警率、候选面积。三个数放在一起，评审才知道这套模型到底能不能用。
样本量直接决定能不能上复杂模型，这条界线在 随机森林与 XGBoost 怎么选 里有更细的对比。
四、铀矿的特殊性：四层偏差叠在一起
铀矿的样本问题比一般矿种多几层，四层偏差经常同时出现。
第一层，γ 异常与铀镭不平衡。上一节说了机理，这里说它对标签的影响：偏镭区的 γ 高值段被当成正样本，是典型的假正；偏铀区的工业矿段在曲线上只是个"肩部"，又成了假负。一个不平衡系数没校正，正负样本同时被污染。
第二层，钻孔密度极不均匀。老矿区孔多，新区孔少。孔多的地方资料全、异常多、被圈成矿的概率也高，模型很快学会"孔多的地方有矿"。这是采样偏倚，不是地质规律，换一个区就失效。
第三层，历史资料坐标精度低。几十年前的矿点常是图上量的，或用了地方坐标系统没转换。这类点混进来，等于给模型灌了一批位置错误的标签，而且错得毫无规律。
第四层，铀煤共生带来的标签混淆。煤层既是找矿标志，也是干扰。煤层气向上运移会把原本的氧化带二次还原成灰色，卷状矿被改造成板状、似层状，圈定形态变了，正样本的边界也跟着模糊。
对策有两条，都好执行。
一是把"勘探程度"显式建模：孔密度、化探采样密度、以往工作程度，作为一个特征，或者作为分层变量。让模型知道"这里是查过了没有矿"还是"这里根本没查"。
二是按成因类型分层建模，别把砂岩型、花岗岩型、火山岩型的点混在一个训练集里。类型不同，控矿要素完全不同，混在一起学出来的是一锅粥。
判断条件：某块段的孔密度达到全区均值的 3 倍以上，该块段正样本权重下调，或单独分层处理。
分层也有代价，每层的样本量会被摊薄。经验做法是：本区占比超过 60% 的主力类型单独建模，次要类型合并成一类，样本少于 30 的类型只做定性描述、不进概率成图。三种类型的样本都不到 20 个的时候，老老实实出一张分带图，比跑模型有用。
把三类陷阱摆在一起看，问题与对策一一对应：
表1 三类陷阱的现象、后果与对策
| 陷阱 | 典型现象 | 后果 | 对策 |
|---|---|---|---|
| 正样本定义 | 矿化点、异常点与工业矿体混在一起 | 模型学成"有异常即成矿" | 三问筛选：规模、可靠性、坐标精度；精度低于 100 m 只作参考 |
| 负样本选择 | 在全区随机撒负样本 | 撒到未发现矿体上，精度好看、验证全空 | 退到矿化晕外 2–3 倍勘探线距，只在高勘探程度区取 |
| 类别不平衡 | 正负比 1:100，仍看准确率与 AUC | 模型只学会判多数类 | 改看召回率与 PR 曲线，优先类别权重，慎用 SMOTE |
五、三条规则，直接写进作业流程
前面讲的都是判断，这一节收成三条能落到作业卡上的规则。
第一条，缓冲规则。负样本距最近正样本的最小距离不小于 2–3 倍勘探线距（或矿化晕半径），且不得落在已知异常区内。执行时先画缓冲环，再在环外布点，不要先布点再删——先布后删最容易被"这个点看着还行"说服，一松口缓冲带就失效。
落地动作有三步：算缓冲宽度、生成环外可用区、在可用区内按块段分层布点。判据是缓冲带内负样本数等于 0，以及每个块段的负样本不超过该块段的容量上限。
第二条，验证规则。必须用空间分块交叉验证，禁用随机 K-fold。随机切分会让相邻样品分处训练集与验证集，信息泄漏，分数虚高。判断条件很干脆：随机切分与空间分块的 AUC 差超过 0.1，只认空间分块的结果。
块的大小取勘探网度的 2–3 倍比较合适。块太小，块内样本高度相关，等于没分块；块太大，验证集样本太少，结论不稳。落地的做法是按 3×3 或 4×4 网格切，随机留一块做验证，轮完取平均。
第三条，数量规则。正样本少于 30 个，只做定性判别与有利度分级，不出概率图；30–100 个可以做概率成图，但必须给区间；超过 100 个才考虑复杂模型。这条不是保守，是算过账的：样本不足时，复杂模型输出的高概率没有任何工程价值。
三条规则之外，还有一个顺序问题：先定正样本，再选负样本，最后才谈不平衡处理。顺序反了，后面全是补丁。这也解释了一个常见现象——有人一上来就调 SMOTE 参数，调到 AUC 0.95，验证还是全空，因为问题出在他前面两步。
六、数据量与精度的取舍：减法往往比加法有效
样本这件事上，减法的收益经常高于加法，这一点与直觉相反。
常见误区是拼命凑样本量。历史矿点、邻区类比点、遥感推断点，能塞的都塞进去，样本量从 40 涨到 120，模型指标也确实好看了一点。但野外的命中率没动，因为新增的那 80 个点里，真正可靠的没几个。
我的经验值是：减掉 20% 的脏标签，往往比增加 50% 的样本更能提升野外命中率。这条是经验值，不是定理，但方向在多个项目上一致。（作者经验值，非唯一标准）
道理在成本结构上。钻探一个孔动辄几十万元，建模成本相比之下可以忽略。模型精度从 0.82 提到 0.85，在工程上几乎不值钱；把靶区面积缩小一半而命中率不掉，才真正省钱。
所以评估一套样本建得好不好，别看 AUC，看两件事：靶区面积有没有收窄，收窄之后命中率有没有掉。这两件事同时成立，样本才算建对。
判断条件：正样本里"疑似"类占比超过 30%，先停下来做标签复核，不要再加样本。
复核的产出是一张点表，六列：编号、来源（本次实测／历史资料／邻区类比）、证据类型（钻孔见矿／地表露头／物探推断）、坐标精度、是否入训、备注。这张表比任何精度指标都值钱，换人接手、三年后复查，全靠它。
复核顺序也定死：先查坐标，再查证据，最后查规模。顺序反了会白干——坐标错的点，讨论它的规模没有意义。
成本账可以算得再直白一点。一个钻孔的综合成本按几十万元计；一次建模的人工按周计，差不了太多。模型精度从 0.82 提到 0.85，换不来一个孔的位置改善；而把靶区从 20 km² 收到 8 km²、命中率不掉，省下的就是十来个孔的钱。这就是为什么样本的减法比加法值钱。
标签清洗本来就是数据治理的一部分，与 智能找矿的数据底座 里讲的多源数据核对是同一条思路：宁可少，不可错。
七、一句话结论
宁可样本少而干净，不要样本多而脏。标签错了，算法再先进也只是把错误算得更快。铀矿的样本尤其如此——γ 会撒谎，孔密度会撒谎，老图上的坐标也会撒谎。建样本的功夫，八成花在核实这三点上，而不是花在调参上。
