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)

若TP为真阳性，FN为假阴性，TN为真阴性，FP为假阳性，阳性预测值计算公式是() A: TN/(TN+FN)×100% B: TP/(TP+FN)×100% C: TN/(TN+FP)×100% D: TP/(TP+FP)×100% E: (TP+FN)/(TP+FP+TN+FN)×100%

若TP为真阳性，FN为假阴性，TN为真阴性，FP为假阳性，阴性预测值计算公式是() A: TP/(TP+FN)×100% B: TN/(TN+FP)×100% C: (TP+FN)/(TP+FP+TN+FN)×100% D: TP/(TP+FP)×100% E: TN/(TN+FN)×100%

中国大学MOOC: 混淆矩阵中的TP=16，FP=12，FN=8，TN=4，准确率是

中国大学MOOC: 混淆矩阵中的TP=16，FP=12，FN=8，TN=4，F1-score是

请根据第4题计算出的TP，FP，TN，FN，计算出小狗判断主人能力的sensitivity和specificity。

混淆矩阵的真负率公式是为 A: TP/(TP+FN) B: FP/(FP+TN) C: FN/(TP+FN) D: TN/(TN+FP)

式中TP为真阳性，FN为假阴性，TN为真阴性，FP为假阳性，式中符号意义同上，诊断敏感性计算公式为： A: TP/TP+FP×100% B: TP/TP+FN×100% C: TN/TN+FP×100% D: TN/TN+FN×100% E: 以上都不对

式中TP为真阳性，FN为假阴性，TN为真阴性，FP为假阳性，阴性预测量计算公式为

式中TP为真阳性，FN为假阴性，TN为真阴性，FP为假阳性，阳性预示值计算公式为：