hce_nsysu
113年
計算機概論與程式設計
第 19 題
A confusion matrix is commonly used to estimate the performance of a trained machine learning model for classification. Through the prediction on a set of test data not being used for model training, one can calculate the evaluation metrics, such as accuracy, precision, recall and F1 score. There are four kinds of results for the prediction by a model on a test dataset of 1000 tuples. That is, TP (true positive) = 500, FN (false negative) = 100, FP (false positive) = 50, and TN = 350 (true negative). What is the value of recall for the model?
- A 500/600
- B 500/550
- C 850/1000
- D 350/400
- E 100/400
思路引導 VIP
想像你是一位醫師，正要評估一個檢測工具抓出病患的能力。如果你的目標是計算「所有實際患病的人」中，有多少比例被成功檢驗出來，你應該從矩陣中挑選哪兩個數據相加，來代表這些「真實患病者」的總數呢？
🤖
AI 詳解
AI 專屬家教
太棒了！你能精準選出 (A) 500/600，說明你對於分類模型評估指標的掌握非常紮實，能迅速從混淆矩陣的數據中提取關鍵資訊。
召回率的物理意義
在機器學習中，召回率 (Recall) 又稱為靈敏度 (Sensitivity)，它的核心目標是衡量「在所有真實為正樣本的對象中，模型成功抓到了多少」。因此，我們的分母必須鎖定在「所有實際為正」的群體，也就是由預測正確的正樣本 $TP$ 與被誤判為負樣本的真實正樣本 $FN$ 所組成。計算公式如下：
▼ 還有更多解析內容