ICHIGEKI WordPress on KUSANAGI – Page 40 – Just another WordPress site

再現率

適合率の説明として正しいものを選択肢から選んでください．

[選択肢]
1. モデルの全ての予測結果のうち、その予測結果が合っていた割合
2. モデルが陽性と予測したデータのうち、本当に陽性だったデータの割合
3. 陽性のデータのうち、モデルが正しく予測できた陽性データの割合

F 値

世界中でコウモリに由来する感染症が大流行しています．とある病院では、一日に 1000 人が感染症かどうかの診断を受けにきます．
その病院では、 PCR と呼ばれる検査手法を用いて、来院した患者が感染症に感染しているかどうかを判定しています．
この時、検査結果は以下のような混同行列で表すことができました．下記の設問に答えてください．

PCR 検査の結果
　　　　　陽性陰性
実際は陽性 [[ 4 12 ]
実際は陰性 [ 20 964 ]]

Q1：PCR 検査の F 値を百分率で求めてください．答えが循環少数となる場合は、小数点第 2 位で四捨五入してください．
Q2：この PCR 検査の評価指標として相応しいものを以下の選択肢から選んでください．
ただし、このウィルスの致死率は低く、検査を正確性を優先します．
[選択肢]
1. 正解率
2. 適合率
3. 再現率
4. F 値

F 値

PCR 検査の結果
　　　　　陽性陰性
実際は陽性 [[ 4 12 ]
実際は陰性 [ 20 964 ]]

Q1：PCR 検査の F 値を百分率で求めてください．答えが循環少数となる場合は、小数点第 2 位で四捨五入してください．
Q2：この PCR 検査の評価指標として相応しいものを以下の選択肢から選んでください．
　　ただし、ここの病院は、このウィルスの致死率は非常に高く診断ミスは極力避けたいものとします．
[選択肢]
1. 調和平均
2. 精度
3. precision
4. recall

F値を実装

次のコードで空欄になっている行に入る適切な選択肢を 1 ~ 3 から選び、F 値を求めてください．．

# Q1
from ########## import precision_score, recall_score, f1_score
[Q1 選択肢]
1. sklearn.model_selction
2. sklearn.score
3. sklearn.metrics

y_true = [0, 0, 0, 1, 1, 1]
y_pred = [1, 0, 0, 1, 0, 0]

precision = precision_score(y_true, y_pred)
recall = recall_score(y_true, y_pred)

# Q2
f1 = ###########

print(“F1 : %3f” %f1_score)

[Q2の選択肢]
1. 2 * (precision + recall)/(precision * recall)
2. 2 * (precision * precision) / (recall + recall)
3. 2 * (precision * recall) / (precision + recall)

F値を実装

次のコードで空欄になっている行に入る適切な選択肢を 1 ~ 3 から選び、F 値を求めてください．．

# Q1
from ########## import precision_score, recall_score, f1_score
[Q1 選択肢]
1. sklearn.score
2. sklearn.metrics
3. sklearn.model_selction

y_true = [0, 0, 0, 1, 1, 1]
y_pred = [1, 0, 0, 1, 0, 0]

# Q2
f1 = ###########

print(“F1 : %3f” %f1_score)

[Q2の選択肢]
1. recall_score(y_true, y_pred)
2. precision_score(y_true, y_pred)
3. f1_score(y_true, y_pred)

PR 曲線

PR 曲線を説明している以下の文の空欄に入る適切な選択肢を選んでください．

PR 曲線とは、横軸に (Q1 ___ ) 、縦軸に (Q2 ___ ) としてデータをプロットしたグラフである．

1. 再現率
2. 正解率
3. 適合率
4. F 値