以下两种描述分别对应哪两种对分类算法的评价标准？ (a)警察抓⼩偷，描述警察抓的⼈中有多少个是⼩偷的标准。 (b)描述有多少⽐例的⼩偷给警察抓了的标准。
A: Precision, Recall
B: Recall, Precision
C: Precision, ROC
D: Recall, ROC
A: Precision, Recall
B: Recall, Precision
C: Precision, ROC
D: Recall, ROC
举一反三
- 以下两种描述分别对应哪两种对分类算法的评价标准？（）(a)警察抓小偷，描述警察抓的人中有多少个是小偷的标准。(b)描述有多少比例的小偷给警察抓了的标准。
- 以下两种描述分别对应哪两种对分类算法的评价标准？(a)警察抓小偷，描述警察抓的人中有多少个是小偷的标准。(b)描述有多少比例的小偷给警察抓了的标准。（）
- 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)
- 下列评价指标中，可以用于分类模型的是（）。 A: 准确度Accuracy B: 精确度Precision C: 召回率Recall D: PR曲线
- 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