题目内容

机器学习（深度学习）系统中通常将数据集划分为训练集和测试集，其中被用来学习得到系统的参数取值的是

A. 训练集(training set)
B. 测试集(testing set)
C. 训练集(training set)和测试集(testing set)
D. 其它选项都不对

查看答案

搜索结果不匹配？点我反馈

更多问题

测试集(testing set)用于最终报告模型的评价结果，因此在训练阶段测试集中的数据一般是否可以出现在训练集中？

A. 不可以
B. 可以

查看答案

K折交叉验证通常将数据集随机分为k个子集。下列关于K折交叉验证说法错误的是

A. 每次将其中一个子集作为测试集，剩下k-1个子集作为训练集进行训练
B. 每次将其中一个子集作为训练集，剩下k-1个子集作为测试集进行测试
C. 划分时有多种方法，例如对非平衡数据可以用分层采样，就是在每一份子集中都保持和原始数据集相同的类别比例
D. 留一法即k=1的k折交叉验证。留一法计算最繁琐，但样本利用率最高。适合于小样本的情况

查看答案

已知如下定义：True positives(TP): 被正确地划分为正例的个数，即实际为正例且被分类器划分为正例的实例数（样本数）；False negatives(FN):被错误地划分为负例的个数，即实际为正例但被分类器划分为负例的实例数；False positives(FP): 被错误地划分为正例的个数，即实际为负例但被分类器划分为正例的实例数；True negatives(TN): 被正确地划分为负例的个数，即实际为负例且被分类器划分为负例的实例数。则下面定义正确的是：

A. 分类准确率 Accuracy=(TP+TN)/(P+N)
B. 精确率 Precision=TP/(TP+FP)
C. 召回率 Recall=TP/P
D. 以上都不对

查看答案

F值的公式为Fβ=[(1+β2)PrecisionRecall]/(β2*Precision+Recall），即其为准确率和召回率的调和平均。如果二者（即准确率和召回率）同等重要，则为

A. F1
B. F2
C. F0.5
D. F3

查看答案

机器学习（深度学习）系统中通常将数据集划分为训练集和测试集，其中被用来学习得到系统的参数取值的是

A. 训练集(training set) B. 测试集(testing set) C. 训练集(training set)和测试集(testing set) D. 其它选项都不对

测试集(testing set)用于最终报告模型的评价结果，因此在训练阶段测试集中的数据一般是否可以出现在训练集中？

K折交叉验证通常将数据集随机分为k个子集。下列关于K折交叉验证说法错误的是

F值的公式为Fβ=[(1+β2)*Precision*Recall]/(β2*Precision+Recall），即其为准确率和召回率的调和平均。如果二者（即准确率和召回率）同等重要，则为

A. 训练集(training set)
B. 测试集(testing set)
C. 训练集(training set)和测试集(testing set)
D. 其它选项都不对

F值的公式为Fβ=[(1+β2)PrecisionRecall]/(β2*Precision+Recall），即其为准确率和召回率的调和平均。如果二者（即准确率和召回率）同等重要，则为