引导式测验 · 简单 等级

混淆矩阵测验

查看混淆矩阵计数如何揭示分类器错误、支持常见指标以及如何因类和库约定而异。

相关引导路径混淆矩阵
问题 1 的 8

在二元混淆矩阵中，什么是假阴性？

预览每个问题8 问题

当您参加测验时，就会出现答案和解释。

  1. 在二元混淆矩阵中，什么是假阴性？
    • 模型错误地预测为负面的正面案例
    • 负数正确预测为负数
    • 负数被错误地预测为正数
    • 正确预测为阳性的阳性
  2. 精度计算如下：
    • TP / (TP + FN)
    • TP / (TP + FP)
    • TN / (TN + FP)
    • (TP + TN) / 总计
  3. 哪个指标衡量模型正确识别的实际阳性的比例？
    • 精度
    • 特异性
    • 召回
    • 准确度
  4. 在 5 类问题的混淆矩阵中，对角线单元代表什么？
    • 不正确的预测
    • 仅误报
    • 样本总数
    • 每个类别的正确预测
  5. 为什么在没有混淆矩阵的情况下，仅凭准确性就会产生误导？
    • 它隐藏了误报和漏报等不同错误类型之间的平衡
    • 准确性总是错的
    • 无法计算二元问题
    • 它需要概率而不是标签
  6. F1 分数是哪两个指标的调和平均值？
    • 准确性和特异性
    • 准确率和召回率
    • 敏感性和特异性
    • 真阳性和真阴性
  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