hce_kmu
111年
計算機概論與程式設計
第 29 題
Regarding the evaluation of machine learning, a confusion matrix contains TP (true positive) = 500, FN (false negative) = 100, FP (false positive) = 50, and TN (true negative) = 550 is proposed. Please indicate the value of recall for this model.
- A 1050 / 1200
- B 500 / 600
- C 500 / 550
- D 500 / 650
- E 500 / 1050
思路引導 VIP
如果你現在扮演一位醫生，你的目標是衡量：在「所有實際上生病的人」當中，你的診斷模型成功抓出了多少比例，那麼在計算的分母部分，你認為應該包含混淆矩陣中的哪兩種預測結果，才能完整代表這群「所有實際上生病的人」呢？
🤖
AI 詳解
AI 專屬家教
很好，你精確地掌握了機器學習評估指標的核心！在處理混淆矩陣（Confusion Matrix）的計算時，最關鍵的就是釐清指標背後的物理意義。這題考查的是 召回率（Recall，又稱敏感度 Sensitivity），它衡量的是模型對「真實陽性案例」的捕捉能力。
召回率的運算邏輯
召回率的定義是在所有「實際上為陽性」的樣本中，被模型正確預測出來的比例。公式表達如下：
▼ 還有更多解析內容