Test de precizie și reamintire

Răspunsurile și explicațiile apar pe măsură ce susțineți testul.

1. Precizia răspunde la ce întrebare?
   • Din toate aspectele pozitive reale, câte am prins?
   • Dintre toate elementele pe care le-am prezis pozitive, câte au fost cu adevărat pozitive?
   • Cât de precis este modelul în general?
   • Câte negative adevărate am găsit?
2. Rechemarea este cunoscută și ca:
   • Specificitatea
   • Precizie
   • Precizie
   • Sensibilitate (rată pozitivă adevărată)
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. Pentru un test de depistare a bolii în care lipsa unui pacient bolnav este mult mai rău decât o alarmă falsă, ar trebui să acordați prioritate:
   • Precizie mare
   • Reamintire scăzută
   • Reamintire ridicată
   • Doar rata negativă adevărată
5. Scorul F1 este definit ca:
   • Medie aritmetică a preciziei și a reamintirii
   • Mijloc armonic de precizie și reamintire
   • Suma preciziei și reamintirii
   • Produs de precizie și rechemare
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%