Bài kiểm tra có liên kết hướng dẫn · Dễ dàng Cấp độ
Câu đố về ma trận nhầm lẫn
Xem lại cách đếm ma trận nhầm lẫn phát hiện lỗi phân loại, hỗ trợ các số liệu phổ biến và khác nhau giữa các quy ước của lớp và thư viện.
Câu hỏi 1 của 8
Trong ma trận nhầm lẫn nhị phân, Âm tính Sai là gì?
Xem trước mọi câu hỏi8 câu hỏi
Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.
- Trong ma trận nhầm lẫn nhị phân, Âm tính Sai là gì?
- Trường hợp tích cực mà mô hình dự đoán không chính xác là trường hợp tiêu cực
- Một số âm được dự đoán chính xác là số âm
- Một kết quả âm được dự đoán không chính xác là dương tính
- Kết quả dương tính được dự đoán chính xác là dương tính
- Độ chính xác được tính như sau:
- TP / (TP + FN)
- TP / (TP + FP)
- TN / (TN + FP)
- (TP + TN) / tổng cộng
- Số liệu nào đo lường tỷ lệ các kết quả tích cực thực tế mà mô hình xác định chính xác?
- Độ chính xác
- Tính đặc hiệu
- thu hồi
- Độ chính xác
- Trong ma trận nhầm lẫn của một bài toán có 5 lớp, các ô chéo biểu thị điều gì?
- Dự đoán sai
- Chỉ dương tính giả
- Tổng số mẫu
- Dự đoán đúng cho từng lớp
- Tại sao độ chính xác có thể gây hiểu nhầm nếu không có ma trận nhầm lẫn?
- Nó che giấu sự cân bằng giữa các loại lỗi khác nhau như dương tính giả và âm tính giả
- Độ chính xác luôn sai
- Nó không thể được tính toán cho các vấn đề nhị phân
- Nó đòi hỏi xác suất thay vì nhãn
- Điểm F1 là giá trị trung bình hài hòa của hai chỉ số nào?
- Độ chính xác và độ đặc hiệu
- Độ chính xác và thu hồi
- Độ nhạy và độ đặc hiệu
- Tích cực thực sự và tiêu cực thực sự
- 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