人工神经网络在学习过程中，需要通过数据集进行训练。下列关于训练数据集描述正确的是（）我们经常会需要一个样本集，它既有正例也有反例，那些支持这个结论的就是正例，不支持就是反例。
A: 只有正样本
B: 既要有负样本、又要有正样本
C: 只有负样本
D: 当负样本训练出来的结果一样也是负样本，那么可以不用调节参数模型
A: 只有正样本
B: 既要有负样本、又要有正样本
C: 只有负样本
D: 当负样本训练出来的结果一样也是负样本，那么可以不用调节参数模型
举一反三
- 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
- 【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
- 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）
- 有数据集正样本100个，负样本100个，模型F对样本进行预估预测为正样本的有80个（其中真的是正样本的是60个），请问该模型的召回率是多少？（） A: 0.6 B: 0.75 C: 0.7 D: 0.5