我们知道二元分类的输出是概率值。一般设定输出概率大于或等于 0.5，则预测为正类；若输出概率小于 0.5，则预测为负类。那么，如果将阈值 0.5 提高，例如 0.6，大于或等于 0.6 的才预测为正类。则准确率（Precision）和召回率（Recall）会发生什么变化（多选）？
举一反三
- 我们知道二元分类的输出是概率值。一般设定输出概率大于或等于 0.5，则预测为正类；若输出概率小于 0.5，则预测为负类。那么，如果将阈值 0.5 提高，例如 0.6，大于或等于 0.6 的才预测为正类。则准确率（Precision）和召回率（Recall）会发生什么变化？(precision=TP/(TP+FP),recall=TP/(TP+FN))。 A: 准确率（Precision）增加或者不变 B: 准确率（Precision）减小 C: 召回率（Recall）增加或者不变 D: 召回率（Recall）增大
- 把原来的正类预测成正类（TP），把原来的正类预测为负类（FN），把负类预测为正类（FP），将负类预测为负类（TN）,召回率定义：R=TP/（TP+FN），如果有60个正样本，40个负样本，算法预测有50个正样本，其中只有40个是真正的正样本，则R=（） A: 4/5 B: 1/3 C: 1/2 D: 2/3
- A发生的概率为0.6，B发生的概率为0.2，A发生的同时B不发生的概率为0.6，则A、B至少有一个发生的概率为 A: 0.5 B: 0.6 C: 0.7 D: 0.8
- 【多选题】设我们已经训练好了一个逻辑回归分类器 ,现在有一个未知分类的样本 ,带入到逻辑回归方程中,得到模型预测值 =0.6 ,则下列说法正确的是: (1.0分) A. 根据预测值，我们可以得到结论，此样本是 1 分类的概率为 0.4 B. 根据预测值，我们可以得到结论，此样本是 1 分类的概率为 0.6 C. 根据预测值，我们可以得到结论，此样本是 0 分类的概率为 0.4 D. 根据预测值，我们可以得到结论，此样本是 0 分类的概率为 0.6
- 已知事件A的概率为0.6,事件B的概率为0.4,事件AB的概率为0.3,则P(B│A)=( ) A: 0.6 B: 0.4 C: 0.75 D: 0.5