Κουίζ Ακρίβειας και Ανάκλησης

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

1. Σε ποια ερώτηση απαντά η ακρίβεια;
   • Από όλα τα πραγματικά θετικά, πόσα πιάσαμε;
   • Από όλα τα στοιχεία που προβλέψαμε θετικά, πόσα ήταν πραγματικά θετικά;
   • Πόσο ακριβές είναι το μοντέλο συνολικά;
   • Πόσα αληθινά αρνητικά βρήκαμε;
2. Η ανάκληση είναι επίσης γνωστή ως:
   • Ιδιαιτερότητα
   • Ακρίβεια
   • Ακρίβεια
   • Ευαισθησία (πραγματικό θετικό ποσοστό)
3. 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
4. Για μια δοκιμασία προσυμπτωματικού ελέγχου ασθένειας όπου η απώλεια ενός άρρωστου ασθενούς είναι πολύ χειρότερη από έναν ψευδή συναγερμό, θα πρέπει να δώσετε προτεραιότητα:
   • Υψηλή ακρίβεια
   • Χαμηλή ανάκληση
   • Υψηλή ανάκληση
   • Μόνο αληθινό αρνητικό ποσοστό
5. Η βαθμολογία F1 ορίζεται ως:
   • Αριθμητικός μέσος όρος ακρίβειας και ανάκλησης
   • Αρμονικό μέσο ακρίβειας και ανάκλησης
   • Άθροισμα ακρίβειας και ανάκλησης
   • Προϊόν ακρίβειας και ανάκλησης
6. 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
7. 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
8. Six of the top ten search results are relevant. What is precision@10 for that result list?
   • 100%
   • 40%
   • 60%
   • 6%