• 2022-07-27
    有关机器学习分类算法的Precision和Recall,以下定义中正确的是(假定tp = true positive, tn = true negative, fp = false positive, fn = false negative)( )
    A: Precision = tp / (tn + fn), Recall = tp /(tp + fp)
    B: Precision= tp / (tp + fp), Recall = tp / (tp + fn)
    C: Precision = tp / (tn + fp), Recall = tp /(tp + fn)
    D: Precision = tp / (tp + fp), Recall = tp /(tn + fn)
  • B

    内容

    • 0

      式中TP为真阳性,FN为假阴性,TN为真阴性,FP为假阳性,式中符号意义同上,诊断敏感性计算公式为: A: TP/TP+FP×100% B: TP/TP+FN×100% C: TN/TN+FP×100% D: TN/TN+FN×100% E: 以上都不对

    • 1

      混淆矩阵的真负率公式是为 A: TP/(TP+FN) B: FP/(FP+TN) C: FN/(TP+FN) D: TN/(TN+FP)

    • 2

      请根据第4题计算出的TP,FP,TN,FN,计算出小狗判断主人能力的sensitivity和specificity。

    • 3

      式中TP为真阳性,FN为假阴性,TN为真阴性,FP为假阳性,阴性预测量计算公式为

    • 4

      式中TP为真阳性,FN为假阴性,TN为真阴性,FP为假阳性,阳性预示值计算公式为: