Diverse

Question 2

Hva betyr “positive” i et klassifikasjonsproblem?

Answer 2

“Positive” er den klassen du prøver å finne. Det kan være “har kreft”, “er spam”, “er en katt i bildet”, eller “er et avvik i sensordata”.

Ingen ekstra detaljer.

Question 3

Hva er et “true positive”?

Answer 3

Modellen sier “positiv”, og det var faktisk positivt.
* Eksempel: Modellen sier at en e-post er spam, og den var faktisk spam.

Ingen ekstra detaljer.

Question 4

Hva er et “false positive”?

Answer 4

Modellen sier “positiv”, men det var egentlig negativt.
* Eksempel: Modellen sier en e-post er spam, men den var ikke spam.

Ingen ekstra detaljer.

Question 5

Hva er et “false negative”?

Answer 5

Modellen sier “negativ”, men det var egentlig positivt.
* Eksempel: Modellen overser en spam-mail og sier den er vanlig.

Ingen ekstra detaljer.

Question 6

Hva måler recall?

Answer 6

Hvor mange av de faktiske positive tilfellene modellen klarer å finne.
* Formel: TP / (TP + FN).

Ingen ekstra detaljer.

Question 7

Intuisjon for recall?

Answer 7

«Ikke gå glipp av de positive.»
* Høy recall betyr få false negatives.

Ingen ekstra detaljer.

Question 8

Hva måler precision?

Answer 8

Hvor mange av de positive prediksjonene som faktisk er riktige.
* Formel: TP / (TP + FP).

Ingen ekstra detaljer.

Question 9

Intuisjon for precision?

Answer 9

«Ikke ta med feil.»
* Høy precision betyr få false positives.

Ingen ekstra detaljer.

Question 10

Kort forskjell mellom recall og precision?

Answer 10

Recall handler om dekning av det som er positivt, mens precision handler om kvaliteten på treffene du sier er positive.

Ingen ekstra detaljer.