假设某分类器在一个测试数据集上的分类结果的混淆矩阵如下所示，该分类器的准确率accuracy为（ ）。 PredictedyesnoActualyes155no1020
A: 70%
B: 75%
C: 66.7%
D: 80%
A: 70%
B: 75%
C: 66.7%
D: 80%
A
举一反三
- 假设某分类器在一个测试数据集上的分类结果的混淆矩阵如下所示，该分类器的错误率error rate为（ ）。 PredictedyesnoActualyes155no1020 A: 30% B: 25% C: 33.3% D: 20%
- 假设某分类器在一个测试数据集上的分类结果的混淆矩阵如下所示，请计算该分类器的错误率，以类别yes为正例，计算分类器的查全率recall为 %。【保留到整数位】 PredictedyesnoActualyes155no1020
- 假设某分类器在一个测试数据集上的分类结果的混淆矩阵如下所示，该分类器的准确率accuracy为（ ）。 PredictedyesnoActualyes155no1020
- 假设某分类器在一个测试数据集上的分类结果的混淆矩阵如下所示，请计算该分类器的错误率，以类别yes为正例，计算分类器的查准率precision为 %。【保留到整数位】 PredictedyesnoActualyes155no1020
- 分类器设计包括划分数据集、()和分类器测试。 A: 分类器构造 B: 分类器决策 C: 预处理 D: 数据获取
内容
- 0
下表为某分类器的混淆矩阵，则类别1的准确率为()预测1 0真 1 9 1
- 1
一种典型的机器学习方法的设计分类器的过程包括：所使用的数据集被划分为训练集和测试集，在训练集上训练分类器，然后在测试集上评价分类器的性能。 A: 正确 B: 错误
- 2
装袋是指通过取样从原始训练数据集中创建m个“新”训练数据集（mbootstrap样本），在每个数据集上训练分类器分类，从m个分类器中获得多数投票。
- 3
Weka中加载天气数据集(weather.nominal.arff),打开IBk分类器。利用AddNoise过滤器向其中添加噪声,将K-NN参数设置为5,将分类噪声百分比Percent设置为30%。运行分类器,则以下描述错误的是()。 A: 分类器正确分类百分比为71.4286% B: 分类器均方根误差为0.4208 C: 类别属性值为“yes”的9个样本全部正确分类 D: 类别属性值为“no”的5个样本有1个被错误分类
- 4
装袋是指通过取样从原始训练数据集中创建m个“新”训练数据集（m"bootstrap"样本），在每个数据集上训练分类器分类，从m个分类器中获得多数投票。 A: 正确 B: 错误