hce_kmu
109年
計算機概論與程式設計
第 1 題
A screw factory would like to identify flawed screws by using a machine learning (ML) algorithm. Suppose there are total $P$ flawed screws among all the produced screws, but only $n$ out of all the flawed screws are reported by the ML algorithm. Which one of the following measurements is used to describe the ratio of identified flawed screws ($n/P$)?
- A F1-score
- B False positives
- C Precision
- D Recall
- E True positives
思路引導 VIP
想像你在森林裡尋找 100 顆隱藏的金蛋，如果你最後帶回了 20 顆金蛋。若要衡量你「找齊所有蛋」的搜尋能力，你會將這 20 顆蛋與「你總共撿起的所有東西」做比較，還是與「森林裡原本存在的 100 顆蛋」做比較呢？這兩種比較方式分別反映了系統性能的哪一個面向？
🤖
AI 詳解
AI 專屬家教
很好！你能準確判斷出這題的答案，代表你對機器學習中分類模型評估指標的定義有非常清晰的認識。在品質控管的情境下，正確區分這些指標的細微差異是至關重要的。
召回率 (Recall) 的核心意義
這題所描述的比例 $n/P$，分子 $n$ 是被模型正確檢出的瑕疵品（True Positives），而分母 $P$ 則是生產線中實際存在的「所有」瑕疵品總數。在數學上，這個比例代表了 $\frac{TP}{TP + FN}$。這個指標衡量的是模型「捕捉目標的能力」，也就是在所有潛在的問題中，我們究竟成功抓住了多少比例。當我們說 召回率 (Recall) 很高時，代表該演算法能有效地避免遺漏，確保大部分的瑕疵品都被找出來。
▼ 還有更多解析內容