機器學習基礎

對於1000筆中只有10筆陽性的資料,將全部預測為陰性之模型的準確率為何者?

  1. A0%
  2. B1%
  3. C99%
查看答案與解析

正確答案:C. 99%

全部預測為陰性時,990筆陰性全部正確,10筆陽性全部錯誤,因此準確率為 990 ÷ 1000 = 99%。另一方面,因為連1筆陽性都找不到,召回率為0%,若目的是像偵測疾病或詐欺那樣找出陽性,就派不上用場。像這樣類別比例嚴重偏斜的資料(不平衡資料),不能只用準確率評估,而要一併參考精確率、召回率、F1分數等。也有加重少數類別之錯誤權重,或使各類別資料數量一致之抽樣等對策。

  • A. 這是召回率的值。連1筆陽性都找不到,因此召回率為0%。
  • B. 這是陽性在全部資料中所占的比例。
  • C. 正確。990 ÷ 1000 = 99%。
練習這個領域 前往領域頁面

相關計算工具

機器學習基礎的其他題目

  1. 4筆資料的實際值為3、5、2、6,模型的預測值分別為2、5、4、4時,均方誤差(MSE)為何者?
  2. 以最小平方法將直線 y = ax + b 擬合到3筆資料 (x, y) = (1, 3)、(2, 4)、(3, 8)。x = 4 時的預測值為何者?
  3. 在邏輯斯迴歸中,將 z = 2x − 4 代入S型函數 σ(z) = 1 ÷ (1 + e^(−z)) 所得的值,作為陽性的機率輸出。x = 2 時的輸出為何者?
  4. 決策樹的某個節點中,有類別A的資料6筆、類別B的資料4筆。此節點的吉尼不純度為何者?
  5. 下列關於集成學習中裝袋法(Bagging,例如隨機森林)與提升法(Boosting)之差異的敘述,何者適當?