Python全系列 教程
3567个小节阅读:5928.9k
目录
鸿蒙应用开发
C语言快速入门
JAVA全系列 教程
面向对象的程序设计语言
Python全系列 教程
Python3.x版本,未来主流的版本
人工智能 教程
顺势而为,AI创新未来
大厂算法 教程
算法,程序员自我提升必经之路
C++ 教程
一门通用计算机编程语言
微服务 教程
目前业界流行的框架组合
web前端全系列 教程
通向WEB技术世界的钥匙
大数据全系列 教程
站在云端操控万千数据
AIGC全能工具班
A A
White Night
分类准确度存在的问题:对于极度偏斜(Skewed Data)的数据,只使用分类准确度远远
不够 例如:一个癌症预测系统,根据输入的体检信息,可以判断是否有癌症,预测准确度
可达到99.99%,但如果癌症发生的概率有0.01%,这意味着如果预测所有人都是健康,则准
确率都可达到99.99%
所以,针对极度偏斜(Skewed Data)的数据,分类算法就出现了更好的评价指标
精准率=真阳性 / (真阳性+假阳性)
对于股票预测更注重精准率(我只希望我买的股票大部分是涨的就行了,precision高,猜的越准越好)
召回率=真阳性 / (真阳性+假阴性)
对于新冠病毒的诊断更注重召回率(我们希望尽可能少漏报患病病例)
F1 Score是为了兼顾精准率与召回率,它描述的是精准率和召回率的调和平均值;
如果精准率与召回率二者极度不平衡,则F1 Score很低,只有两者都很高,则F1 Score的分
数才会很高
注意:
F1 Score的取值范围是0到1,最好的F1 Score是1,最差的F1 Score是0
1. 关于精准率与召回率,下列说法正确的是:
A 新冠病毒的诊断更注重精准率
B 股票预测更注重召回率
C 精准率=真阳性 / (真阳性+真阴性)
D 召回率=真阳性 / (真阳性+假阴性)
2. 关于F1 Score,下列说法正确的是:
A 如果精准率与召回率二者极度不平衡,则F1 Score很低
B F1 Score的取值范围是-1到1
C 最差的F1 Score是1
D 以上说法均不正确
1=>D 2=>A