แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ง่าย ระดับ

แบบทดสอบเมทริกซ์ความสับสน

ตรวจสอบว่าการนับเมทริกซ์ความสับสนเปิดเผยข้อผิดพลาดของตัวแยกประเภท สนับสนุนการวัดทั่วไป และแตกต่างกันตามแบบแผนของชั้นเรียนและห้องสมุด

เส้นทางแนะนำที่เกี่ยวข้องเมทริกซ์ความสับสน
คำถาม 1 ของ 8

ในเมทริกซ์ความสับสนแบบไบนารี อะไรคือค่าลบลวง?

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. ในเมทริกซ์ความสับสนแบบไบนารี อะไรคือค่าลบลวง?
    • กรณีบวกที่แบบจำลองคาดการณ์ไม่ถูกต้องว่าเป็นค่าลบ
    • ค่าลบทำนายได้อย่างถูกต้องว่าเป็นค่าลบ
    • ค่าลบทำนายไม่ถูกต้องว่าเป็นบวก
    • ค่าบวกทำนายได้อย่างถูกต้องว่าเป็นบวก
  2. ความแม่นยำคำนวณได้ดังนี้:
    • ทีพี / (ทีพี + เอฟเอ็น)
    • ทีพี / (ทีพี + เอฟพี)
    • เทนเนสซี / (เทนเนสซี + FP)
    • (TP + TN) / รวม
  3. ตัวชี้วัดใดวัดสัดส่วนของผลบวกจริงที่แบบจำลองระบุได้ถูกต้อง
    • ความแม่นยำ
    • ความจำเพาะ
    • จำ
    • ความแม่นยำ
  4. ในเมทริกซ์ความสับสนสำหรับปัญหาที่มี 5 คลาส เซลล์แนวทแยงแสดงถึงอะไร
    • การทำนายที่ไม่ถูกต้อง
    • ผลบวกลวงเท่านั้น
    • จำนวนตัวอย่างทั้งหมด
    • การทำนายที่ถูกต้องสำหรับแต่ละคลาส
  5. เหตุใดความแม่นยำเพียงอย่างเดียวจึงทำให้เข้าใจผิดได้โดยไม่มีเมทริกซ์ที่สับสน
    • โดยซ่อนความสมดุลระหว่างข้อผิดพลาดประเภทต่างๆ เช่น ผลบวกลวงและผลลบลวง
    • ความแม่นยำนั้นผิดเสมอ
    • ไม่สามารถคำนวณสำหรับปัญหาไบนารีได้
    • มันต้องใช้ความน่าจะเป็นแทนป้ายกำกับ
  6. คะแนน F1 คือค่าเฉลี่ยฮาร์มอนิกของสองเมตริกใด
    • ความถูกต้องและความจำเพาะ
    • ความแม่นยำและการจดจำ
    • ความไวและความจำเพาะ
    • ด้านบวกที่แท้จริงและด้านลบที่แท้จริง
  7. 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
  8. 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