Kvíz spojený s průvodcem · Střední úroveň
Kvíz přesnosti a zapamatování
Rozlišujte přesnost od odvolání, vypočítejte metriky pozitivní třídy, prozkoumejte prahové kompromisy a interpretujte relevanci mezi výsledky s nejvyšším hodnocením.
Otázka 1 z 8
Na kterou otázku odpovídá přesnost?
Náhled každé otázky8 otázky
Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.
- Na kterou otázku odpovídá přesnost?
- Kolik ze všech skutečných pozitiv jsme jich chytili?
- Kolik ze všech položek, které jsme předpověděli jako pozitivní, bylo skutečně pozitivních?
- Jak přesný je model celkově?
- Kolik skutečných negativ jsme našli?
- Recall je také známý jako:
- Specifičnost
- Přesnost
- Přesnost
- Citlivost (skutečně pozitivní míra)
- On a fixed evaluation set, lowering a positive-class decision threshold usually produces which tradeoff?
- Recall can increase while precision can fall
- Precision and recall must increase by equal amounts
- The model necessarily predicts fewer positives
- Neither metric can ever change
- U screeningového testu na onemocnění, kde je zmeškání nemocného pacienta mnohem horší než falešný poplach, byste měli upřednostňovat:
- Vysoká přesnost
- Nízká paměť
- Vysoká vzpomínka
- Pouze skutečně záporná sazba
- Skóre F1 je definováno jako:
- Aritmetický průměr přesnosti a paměti
- Harmonický průměr přesnosti a zapamatování
- Součet přesnosti a zapamatování
- Produkt přesnosti a zapamatovatelnosti
- Why can precision and recall reveal a weakness hidden by high accuracy on a dataset dominated by negatives?
- They focus on positive predictions and actual positives instead of rewarding a large true-negative count
- They measure the true-negative rate directly
- They must both exceed accuracy
- They guarantee reliability regardless of sample size
- A classifier has 20 true positives, 5 false positives, and 10 false negatives. Which precision and recall values follow?
- Precision 2/3; recall 4/5
- Precision 20/35; recall 20/35
- Precision 1/4; recall 1/2
- Precision 4/5; recall 2/3
- Six of the top ten search results are relevant. What is precision@10 for that result list?
- 100 %
- 40%
- 60%
- 6%