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
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，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
- 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，该分类器的准确率accuracy为（ ）。 PredictedyesnoActualyes155no1020 A: 70% B: 75% C: 66.7% D: 80%
- 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
- 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