iPAS 考題解析一家智慧工廠使用機器學習分類模型預測關鍵設備是否會異常停機。完成模型訓練後,團隊希望全面評估模型在不同面向的表現。請問下列哪項指標最適合用來衡量模型在偵測異常停機時的「漏報率」(即未能正確偵測出異常停機事件的比例)?
你的作答
在題目頁作答不會存進學習紀錄,想留下紀錄可以到題庫練習。
解析
正確答案:B. 召回率(Recall),即模型能正確找出異常停機的比例
漏報率的反面就是召回率(Recall),召回率(Recall)衡量的是正確找出所有異常事件(True Positive)的比例,Recall = TP / (TP + FN)。
每個選項為什麼對或錯
-
A 準確率(Accuracy),即模型整體預測正確的比例 錯誤選項
準確率(Accuracy)衡量整體正確比例,無法反映漏報率
-
B 召回率(Recall),即模型能正確找出異常停機的比例 正解
-
C F1分數(F1 Score),準確率與召回率的調和平均數 錯誤選項
F1 分數(F1 Score)是精確率(Precision)和召回率(Recall)的調和平均,不直接衡量漏報率
-
D 假陽性率(False Positive Rate),即將正常事件誤判為異常的比例 錯誤選項
假陽性率(False Positive Rate)衡量的是誤報率,不是漏報率
答案、題目或解析有問題?回報這題