গাইড লিঙ্ক ক্যুইজ · সহজ স্তর

বিভ্রান্তি ম্যাট্রিক্স কুইজ

পর্যালোচনা করুন কিভাবে বিভ্রান্তি-ম্যাট্রিক্স গণনা শ্রেণীবিভাগের ত্রুটি প্রকাশ করে, সাধারণ মেট্রিক্স সমর্থন করে এবং ক্লাস এবং লাইব্রেরি কনভেনশন জুড়ে পরিবর্তিত হয়।

সম্পর্কিত গাইড পাথবিভ্রান্তি ম্যাট্রিক্স

প্রশ্ন 1 এর 8

একটি বাইনারি বিভ্রান্তি ম্যাট্রিক্সে, একটি মিথ্যা নেতিবাচক কি?

প্রতিটি প্রশ্নের পূর্বরূপ দেখুন8 প্রশ্ন

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

একটি বাইনারি বিভ্রান্তি ম্যাট্রিক্সে, একটি মিথ্যা নেতিবাচক কি?
- একটি ইতিবাচক ক্ষেত্রে মডেল ভুলভাবে নেতিবাচক হিসাবে ভবিষ্যদ্বাণী করেছে
- একটি নেতিবাচক সঠিকভাবে নেতিবাচক হিসাবে ভবিষ্যদ্বাণী করা হয়েছে
- একটি নেতিবাচক ভুলভাবে ইতিবাচক হিসাবে ভবিষ্যদ্বাণী করা হয়েছে৷
- একটি ইতিবাচক সঠিকভাবে ইতিবাচক হিসাবে ভবিষ্যদ্বাণী করা হয়েছে
নির্ভুলতা হিসাবে গণনা করা হয়:
- TP / (TP + FN)
- TP / (TP + FP)
- TN / (TN + FP)
- (TP + TN) / মোট
কোন মেট্রিক প্রকৃত ইতিবাচক অনুপাত পরিমাপ করে যা মডেল সঠিকভাবে সনাক্ত করে?
- যথার্থতা
- বিশেষত্ব
- স্মরণ করুন
- নির্ভুলতা
একটি বিভ্রান্তি ম্যাট্রিক্সে 5টি শ্রেণির একটি সমস্যার জন্য, তির্যক কোষগুলি কী উপস্থাপন করে?
- ভুল ভবিষ্যদ্বাণী
- শুধুমাত্র মিথ্যা ইতিবাচক
- নমুনার মোট সংখ্যা
- প্রতিটি ক্লাসের জন্য সঠিক ভবিষ্যদ্বাণী
কেন নির্ভুলতা একা বিভ্রান্তিকর ম্যাট্রিক্স ছাড়া বিভ্রান্তিকর হতে পারে?
- এটি মিথ্যা ইতিবাচক এবং মিথ্যা নেতিবাচকের মত বিভিন্ন ত্রুটির মধ্যে ভারসাম্য লুকিয়ে রাখে
- যথার্থতা সবসময় ভুল
- এটি বাইনারি সমস্যার জন্য গণনা করা যাবে না
- এটি লেবেলের পরিবর্তে সম্ভাব্যতা প্রয়োজন
F1 স্কোর কোন দুটি মেট্রিকের হারমোনিক গড়?
- নির্ভুলতা এবং নির্দিষ্টতা
- নির্ভুলতা এবং প্রত্যাহার
- সংবেদনশীলতা এবং নির্দিষ্টতা
- সত্য ইতিবাচক এবং সত্য নেতিবাচক
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