แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ง่าย ระดับ
แบบทดสอบเมทริกซ์ความสับสน
ตรวจสอบว่าการนับเมทริกซ์ความสับสนเปิดเผยข้อผิดพลาดของตัวแยกประเภท สนับสนุนการวัดทั่วไป และแตกต่างกันตามแบบแผนของชั้นเรียนและห้องสมุด
คำถาม 1 ของ 8
ในเมทริกซ์ความสับสนแบบไบนารี อะไรคือค่าลบลวง?
ดูตัวอย่างทุกคำถาม8 คำถาม
คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ
- ในเมทริกซ์ความสับสนแบบไบนารี อะไรคือค่าลบลวง?
- กรณีบวกที่แบบจำลองคาดการณ์ไม่ถูกต้องว่าเป็นค่าลบ
- ค่าลบทำนายได้อย่างถูกต้องว่าเป็นค่าลบ
- ค่าลบทำนายไม่ถูกต้องว่าเป็นบวก
- ค่าบวกทำนายได้อย่างถูกต้องว่าเป็นบวก
- ความแม่นยำคำนวณได้ดังนี้:
- ทีพี / (ทีพี + เอฟเอ็น)
- ทีพี / (ทีพี + เอฟพี)
- เทนเนสซี / (เทนเนสซี + FP)
- (TP + TN) / รวม
- ตัวชี้วัดใดวัดสัดส่วนของผลบวกจริงที่แบบจำลองระบุได้ถูกต้อง
- ความแม่นยำ
- ความจำเพาะ
- จำ
- ความแม่นยำ
- ในเมทริกซ์ความสับสนสำหรับปัญหาที่มี 5 คลาส เซลล์แนวทแยงแสดงถึงอะไร
- การทำนายที่ไม่ถูกต้อง
- ผลบวกลวงเท่านั้น
- จำนวนตัวอย่างทั้งหมด
- การทำนายที่ถูกต้องสำหรับแต่ละคลาส
- เหตุใดความแม่นยำเพียงอย่างเดียวจึงทำให้เข้าใจผิดได้โดยไม่มีเมทริกซ์ที่สับสน
- โดยซ่อนความสมดุลระหว่างข้อผิดพลาดประเภทต่างๆ เช่น ผลบวกลวงและผลลบลวง
- ความแม่นยำนั้นผิดเสมอ
- ไม่สามารถคำนวณสำหรับปัญหาไบนารีได้
- มันต้องใช้ความน่าจะเป็นแทนป้ายกำกับ
- คะแนน F1 คือค่าเฉลี่ยฮาร์มอนิกของสองเมตริกใด
- ความถูกต้องและความจำเพาะ
- ความแม่นยำและการจดจำ
- ความไวและความจำเพาะ
- ด้านบวกที่แท้จริงและด้านลบที่แท้จริง
- 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