Basis van machine learning

Een model voor classificatie met twee klassen is geëvalueerd op 200 testgegevens. De verwarringsmatrix toont 45 terecht-positieven (TP), 5 fout-positieven (FP), 45 fout-negatieven (FN) en 105 terecht-negatieven (TN). Welke combinatie van precisie en recall is juist?

APrecisie 0,50, recall 0,90
BPrecisie 0,75, recall 0,50
CPrecisie 0,90, recall 0,50

Antwoord en toelichting tonen

Antwoord: C. Precisie 0,90, recall 0,50

De precisie is het aandeel van de als positief voorspelde gevallen dat werkelijk positief is: TP ÷ (TP + FP) = 45 ÷ 50 = 0,90. De recall is het aandeel van de werkelijk positieve gevallen dat als positief is voorspeld: TP ÷ (TP + FN) = 45 ÷ 90 = 0,50. Dit model heeft bijna altijd gelijk als het „positief” zegt, maar mist de helft van de positieve gevallen. De accuracy (het aandeel juiste voorspellingen) is (45 + 105) ÷ 200 = 0,75.

Dit onderwerp oefenen Naar de onderwerppagina

Meer vragen over Basis van machine learning

Een model voor classificatie met twee klassen is geëvalueerd op 200 testgegevens, met TP = 20, FP = 5, FN = 30 en TN = 145. Welke waarde ligt het dichtst bij de F1-score?
Welke beschrijving van de ROC-curve en de AUC, die worden gebruikt om modellen voor classificatie met twee klassen te evalueren, is juist?
Bij gegevens van 1000 items, waarvan er maar 10 positief zijn: wat is de accuracy van een model dat elk item als negatief voorspelt?
Vier gegevenspunten hebben de werkelijke waarden 3, 5, 2 en 6, en het model voorspelt daarvoor 2, 5, 4 en 4. Wat is de gemiddelde kwadratische fout (MSE)?
Met de kleinstekwadratenmethode wordt een rechte y = ax + b aangepast aan de drie gegevenspunten (x, y) = (1, 3), (2, 4) en (3, 8). Wat is de voorspelde waarde bij x = 4?