机器学习测试集中正负样本的配比问题

涉及到问题的项目是 通过机器学习识别酒店异常订单。我训练集是用的正负样本一比一的配比来训练模型的，测试集的效果在一比一的配比下表现很好（由于业务方需求，效果只关注 模型预测为负样本中真实为负的占比），但是在真实的正负样本配比下表现很差（真实的正负样本配比来自于之前订单数据中的先验配比），请问这是什么原因呢？（我个人的猜想是由于真实场景中，异常数据的占比是很小的，所以有大量正样本杂糅在负样本中，导致模型在预测负样本时会把大量正样本预测错，从而导致上述的指标变低）
所以，一个模型的效果是按照一比一的配比来算，还是按照真实的正负样本配比来算？