اختبار مرتبط بالدليل · سهل المستوى
مسابقة مصفوفات الارتباك
مراجعة كيف تكشف مصفوفة الالتباس عن أخطاء المصنف، وتدعم المقاييس الشائعة، وتختلف عبر الفئات وتقاليد المكتبة.
سؤال 1 من 8
في مصفوفة الارتباك الثنائية، ما هو السالب الكاذب؟
معاينة كل سؤال8 أسئلة
تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.
- في مصفوفة الارتباك الثنائية، ما هو السالب الكاذب؟
- حالة إيجابية توقعها النموذج بشكل غير صحيح على أنها سلبية
- تم توقع السلبية بشكل صحيح على أنها سلبية
- تم توقع النتيجة السلبية بشكل غير صحيح على أنها إيجابية
- توقع إيجابي بشكل صحيح على أنه إيجابي
- يتم حساب الدقة على النحو التالي:
- تب / (تب + فن)
- تب / (تب + فب)
- تن / (تن + فب)
- (TP + TN) / المجموع
- ما المقياس الذي يقيس نسبة الإيجابيات الفعلية التي يحددها النموذج بشكل صحيح؟
- الدقة
- خصوصية
- أذكر
- الدقة
- في مصفوفة الارتباك لمشكلة ذات 5 فئات، ماذا تمثل الخلايا القطرية؟
- توقعات غير صحيحة
- ايجابيات كاذبة فقط
- العدد الإجمالي للعينات
- التوقعات الصحيحة لكل فئة
- لماذا يمكن أن تكون الدقة وحدها مضللة بدون مصفوفة ارتباك؟
- إنه يخفي التوازن بين أنواع الأخطاء المختلفة مثل الإيجابيات الكاذبة والسلبيات الكاذبة
- الدقة دائما خاطئة
- لا يمكن حسابها للمشاكل الثنائية
- يتطلب الاحتمالات بدلا من التسميات
- درجة F1 هي الوسط التوافقي لأي مقياسين؟
- الدقة والخصوصية
- الدقة والتذكير
- الحساسية والخصوصية
- الإيجابيات الحقيقية والسلبيات الحقيقية
- In a binary confusion matrix, which count is a False Positive?
- An actual positive that the model predicts as positive
- An actual positive that the model predicts as negative
- An actual negative that the model predicts as positive
- An actual negative that the model predicts as negative
- Why should you check a library's confusion-matrix axis labels before calculating precision or recall?
- The diagonal always contains false positives
- Axis order changes the number of observations in the dataset
- Precision and recall use no confusion-matrix cells
- Libraries may place true classes in rows and predicted classes in columns, or use a different orientation