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)

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%

关于召回率（recall），以下哪个公式是正确的？ A: Recall=TP/(TN+FN) B: Recall=TP/(TP+FP) C: Recall=TP/(TP+FN) D: Recall=TN/(TP+FN)

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)

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

利用混淆矩阵计算识别率的公式是（） A: TP/（TP+FP） B: TP/（TP+FN） C: （TP+TN）/（TP+TN+FP+FN） D: 都不对

利用混淆矩阵计算召回率的公式是（） A: TP/（TP+FN） B: （TP+TN）/（TP+TN+FP+FN） C: 都不对 D: TP/（TP+FP）

在混淆矩阵中，系统召回率定义为 A: TP/(TP+FN) B: TN/(TP+TN) C: TP/(TP+FP) D: TN/(FP+TN)

在混淆矩阵中，识别率可以表示为（）。 A: (TP+TN)/(TP+TN+FP+FN) B: (TP+FN)/(TP+TN+FP+FN) C: (FP+TN)/(TP+TN+FP+FN) D: (TP)/(TP+TN+FP+FN)