混淆矩阵中FN(False Negative)的含义是?
A: 将负样本识别为负样本的数量(或概率)
B: 将正样本识别为负样本的数量(或概率)
C: 将负样本识别为正样本的数量(或概率)
D: 将正样本识别为正样本的数量(或概率)
A: 将负样本识别为负样本的数量(或概率)
B: 将正样本识别为负样本的数量(或概率)
C: 将负样本识别为正样本的数量(或概率)
D: 将正样本识别为正样本的数量(或概率)
举一反三
- 下列对混淆矩阵说法正确的是()。 A: TP:将正样本识别为正样本的数目(概率) B: FP:将负样本识别为正样本的数目(概率) C: FN:将正样本识别为负样本的数目(概率) D: TN:将负样本识别为正样本的数目(概率)
- 【单选题】混淆矩阵中假负是指() A. 模型预测为正的正样本 B. 模型预测为负的正样本 C. 模型预测为正的负样本 D. 模型预测为负的负样本
- 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
- 在分类问题中,我们经常会遇到正负样本数据量不等的情况,比如正样本为10万条数据,负样本只有1万条数据,以下合适的处理方法是 ( ) A: 从10万正样本中随机抽取1万参与分类 B: 将负样本重复10次,生成10万样本量,打乱顺序参与分类 C: 直接进行分类,可以最大限度利用数据 D: 将负样本每个权重设置为10,正样本权重为1,参与训练过程
- 在分类问题中,我们经常会遇到正负样本数据量不等的情况,比如正样本为10w条数据,负样本只有1w条数据,以下最合适的处理方法是()? A: 将负样本重复10次,生成10w样本量,打乱顺序参与分类 B: 直接进行分类,可以最大限度利用数据 C: 从10w正样本中随机抽取1w参与分类 D: 将负样本每个权重设置为10,正样本权重为1,参与训练过程