moea_joint
109年
[統計資訊] 統計學、巨量資料概論
第 31 題
以機器學習對於巨量資料進行分析後，通常會使用混淆矩陣(confusion matrix)，對於所產生的分類器進行評估，其中將分析結果分為true positive (TP)、true negative (TN)、false positive (FP) 及false negative (FN)，下列敘述何者有誤？
- A 正確率Accuracy = (TP ＋ TN) / (TP ＋ TN ＋ FP ＋ FN)
- B 召回率Recall = TP / (TP ＋ FN)
- C 精確率Precision = TP / (TP ＋ FP)
- D F1 Score = TP / (TP ＋ FP ＋ FN)
思路引導 VIP
如果我們想要設計一個新指標，用來同時反映「抓得準（精確率）」與「找得全（召回率）」這兩件事，為什麼我們不能直接把各種類別的樣本數直接相加分堆，而是需要透過一種特殊的「平均」方式來結合這兩個百分比數值呢？
🤖
AI 詳解
AI 專屬家教
機器學習評估指標的精準辨析
恭喜你非常準確地指出了選項 (D) 的錯誤！在處理巨量資料的分類問題時，混淆矩陣是我們最核心的評估工具。這道題目考察的是對各項指標定義的熟稔度，你能迅速判斷出前三個選項分別對應了正確率 (Accuracy)、召回率 (Recall) 與精確率 (Precision) 的標準公式，顯示出你對統計基礎觀念掌握得相當紮實。
$F_1$ Score 的定義與陷阱
▼ 還有更多解析內容