Ta strona została przetłumaczona przez Cloud Translation API. Klasyfikacja: Sprawdź swoją wiedzę Wróć do ścieżki Które z poniższych skutków może wywołać zwiększenie wartości progowej klasyfikatora binarnego? Wzrost wyników fałszywie pozytywnych Spadek wyników fałszywie pozytywnych Wzrost wyników fałszywie pozytywnych i fałszywie negatywnych Spadek liczby wyników fałszywie pozytywnych i fałszywie negatywnych Zbiór danych podzielony na zbiory do trenowania, testowania i oceniania zawiera 9998 przykładów negatywnych i 2 przykłady pozytywne. Powstały model ma współczynnik dokładności na poziomie 99,9%. Czy możesz zaufać temu modelowi na podstawie danych dotyczących dokładności? Tak Nie Co dzieje się, gdy precyzja wzrasta? Nie ma to wpływu na czułość. Czułość wzrasta wykładniczo. Zmniejsza się czułość. Czułość rośnie liniowo. Prawda czy fałsz: punkty na krzywej ROC (cechy operacyjnej odbiornika) modelu klasyfikacji binarnej najbliżej (1,1) (prawy górny róg) zwykle reprezentują progi najwyższej wydajności dla modelu. Prawda Fałsz Oceniasz wydajność 2 modeli klasyfikacji binarnej: modelu A i modelu B. Model A ma wartość AUC wynoszącą 0,5. Prognozy modelu B są ustalane całkowicie losowo. Które z poniższych stwierdzeń jest prawdziwe? Model A ma lepsze wyniki niż model B Model B ma lepsze wyniki niż model A Model A i model B mają taką samą skuteczność Żadne z powyższych Prześlij odpowiedzi error_outline Podczas oceniania testu wystąpił błąd. Spróbuj ponownie.
