این صفحه بهوسیله Cloud Translation API ترجمه شده است. طبقه بندی: دانش خود را بیازمایید بازگشت به مسیر افزایش مقدار آستانه طبقه‌بندی‌کننده باینری احتمالاً کدام یک از اثرات زیر را ایجاد می‌کند؟ مثبت کاذب افزایش می یابد مثبت کاذب کاهش می یابد مثبت کاذب و منفی کاذب هر دو افزایش می یابد مثبت کاذب و منفی کاذب هر دو کاهش می یابد مجموعه داده ای که به مجموعه های آموزش، آزمایش و ارزیابی تقسیم می کنید دارای 9998 مثال منفی و 2 مثال مثبت است. مدل به دست آمده دارای میزان دقت 99.9٪ است. آیا می توانید بر اساس آن معیار دقت به این مدل اعتماد کنید؟ آره خیر به طور کلی، وقتی دقت افزایش می یابد، چه اتفاقی برای یادآوری می افتد؟ یادآوری بی تاثیر است. یادآوری به طور تصاعدی افزایش می یابد. یادآوری کاهش می یابد. یادآوری به صورت خطی افزایش می یابد. درست یا نادرست: نقاط روی منحنی ROC (ویژگی عامل گیرنده) مدل طبقه‌بندی باینری نزدیک‌ترین نقطه به (1،1) (گوشه سمت راست بالا) معمولاً بهترین آستانه‌ها را برای مدل نشان می‌دهند. درست است، واقعی نادرست شما در حال ارزیابی عملکرد دو مدل طبقه بندی باینری هستید: مدل A و مدل B. مدل A دارای AUC 0.5 است. پیش بینی های مدل B به صورت کاملا تصادفی انجام می شود. کدام یک از عبارات زیر صحیح است؟ مدل A بهتر از مدل B عمل می کند مدل B عملکرد بهتری نسبت به مدل A دارد مدل A و مدل B به یک اندازه خوب عمل می کنند هیچ کدام از موارد بالا ارسال پاسخ‌ها error_outline موقع نمرهدهی آزمون خطایی رخ داد. لطفاً دوباره امتحان کنید.
