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?

A0,40
B0,53
C0,60

Antwoord en toelichting tonen

Antwoord: B. 0,53

Eerst is de precisie 20 ÷ (20 + 5) = 0,8 en de recall 20 ÷ (20 + 30) = 0,4. De F1-score is het harmonisch gemiddelde van precisie en recall: 2 × 0,8 × 0,4 ÷ (0,8 + 0,4) = 0,64 ÷ 1,2 ≈ 0,53. Het harmonisch gemiddelde wordt naar de kleinste waarde getrokken, dus de F1-score is niet hoog als maar één van de twee hoog is. De accuracy van (20 + 145) ÷ 200 = 0,825 lijkt hoog, maar dit model mist 6 van de 10 positieve gevallen.

Dit onderwerp oefenen Naar de onderwerppagina

Meer vragen over Basis van machine learning

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?
Bij logistische regressie wordt z = 2x − 4 door de sigmoïdefunctie σ(z) = 1 ÷ (1 + e^(−z)) gehaald, en het resultaat wordt uitgevoerd als de kans dat het item positief is. Wat is de uitvoer bij x = 2?