40 problems

  • 1
ID Problem Show tags Hide tags AC / Tried Difficulty
51 AIMC050   AI-MC-050 二分类模型TP=30、FP=10、FN=20，则精确率Precision为？ 0 / 0 5
52 AIMC051   AI-MC-051 实际正例100个，正确识别80个，召回率为？ 0 / 0 5
53 AIMC052   AI-MC-052 在预测分数固定的条件下，提高“分数≥阈值判为正”的阈值，通常能确定的是？ 0 / 0 5
54 AIMC053   AI-MC-053 交易欺诈占比仅0.5%，模型将全部交易判为正常，准确率达99.5%。最合理的评价是？ 0 / 0 8
55 AIMC054   AI-MC-054 对时间序列预测实施验证，较合理的数据划分方式是？ 0 / 0 8
80 AIMC079   AI-MC-079 筛查漏检代价很高，选择阈值时应重点关注？ 0 / 0 5
81 AIMC080   AI-MC-080 在同一独立测试集比较模型，最应保持一致的是？ 0 / 0 8
82 AIMC081   AI-MC-081 宏平均指标与按样本数加权平均指标的主要区别是？ 0 / 0 5
83 AIMC082   AI-MC-082 某训练数据中错误标签集中于一渠道，合理做法是？ 0 / 0 8
84 AIMC083   AI-MC-083 只报告最佳一次随机划分成绩，忽略多次运行差异，主要缺少？ 0 / 0 8
85 AIMC084   AI-MC-084 在选定阈值后重新用测试集调阈值，再报告该测试表现，风险是？ 0 / 0 8
86 AIMC085   AI-MC-085 模型对不同渠道分别报告混淆矩阵，主要目的之一是？ 0 / 0 5
87 AIMC086   AI-MC-086 概念漂移主要关注什么变化？ 0 / 0 5
88 AIMC087   AI-MC-087 离线AUC较高但指定阈值下误报过多，应？ 0 / 0 5
89 AIMC088   AI-MC-088 精确率P=0.8、召回率R=0.4。按标准F1定义计算，正确结论是？ 0 / 0 5
110 AIMC109   AI-MC-109 TP=8、FP=2、FN=4，F1为？ 0 / 0 2
111 AIMC110   AI-MC-110 TP=40、TN=50、FP=5、FN=5，准确率为？ 0 / 0 2
112 AIMC111   AI-MC-111 预测概率为0.3、0.5、0.7，阈值0.5且含等号，正预测数为？ 0 / 0 5
113 AIMC112   AI-MC-112 3个回归样本平方误差为1、4、7，均方误差是？ 0 / 0 2
114 AIMC113   AI-MC-113 模型识别20个实际正例中的15个，漏检率FN/(TP+FN)为？ 0 / 0 2
131 AIMC130   AI-MC-130 两套模型预测的正例数均为100，甲含80个真阳性，乙含60个真阳性。仅比较精确率，哪项成立？ 0 / 0 5
132 AIMC131   AI-MC-131 筛查系统实际患病者50人，其中漏检5人；预测阳性共60人。仅计算患病者召回率，应采用哪式？ 0 / 0 5
133 AIMC132   AI-MC-132 固定预测分数且仍有真阳性，阈值从0.4升至0.6；区间[0.4,0.6)内有12个负例、0个正例，其余预测不变。精确率和召回率如何变化？ 0 / 0 5
134 AIMC133   AI-MC-133 独立集有10000笔交易，其中欺诈50笔；模型全部预测正常。以欺诈为正类，其召回率与准确率分别是？ 0 / 0 8
135 AIMC134   AI-MC-134 用过去7天销量预测明天销量。构建样本时，第10天特征包含第11天销量。即便按时间划分训练与验证，主要缺陷是什么？ 0 / 0 8
160 AIMC159   AI-MC-159 两阈值方案：低阈值漏检2、误报30，高阈值漏检8、误报5；漏检成本100、误报成本1。仅按给定总成本应选？ 0 / 0 5
161 AIMC160   AI-MC-160 甲乙模型在同一测试样本上评估，但甲把“取消订单”算负类，乙把它算正类。首要处理是什么？ 0 / 0 8
162 AIMC161   AI-MC-161 两类别召回率分别为90%与50%，实际样本数分别为900与100。宏平均召回率与按样本数加权召回率分别是多少？ 0 / 0 5
163 AIMC162   AI-MC-162 某渠道同类工单被两名标注员分别标为“投诉”和“咨询”，分歧集中在退款询问。应先开展什么工作？ 0 / 0 8
164 AIMC163   AI-MC-163 同一算法在5个随机种子下准确率为81%、82%、83%、84%、90%。报告如何更充分反映表现？ 0 / 0 8
165 AIMC164   AI-MC-164 团队先在测试集上选阈值，再用该测试集报告最终F1。现在如何修复最终评价流程？ 0 / 0 8
166 AIMC165   AI-MC-165 总体召回率90%，渠道A实际正例900个、召回95%，渠道B实际正例100个、召回45%。优先关注什么？ 0 / 0 5
167 AIMC166   AI-MC-166 促销后所有输入的联合分布基本不变，但相同输入下购买概率明显改变，且有标签支持。更符合哪种变化？ 0 / 0 5
168 AIMC167   AI-MC-167 模型A的AUC高于B，但在规定“召回率至少95%”时A误报更多。最终按误报处置成本选择，应依据什么？ 0 / 0 5
169 AIMC168   AI-MC-168 二分类模型TP=12、FP=3、FN=9。按F1=2TP/(2TP+FP+FN)，结果为？ 0 / 0 5
190 AIMC189   AI-MC-189 TP=6、FP=3、FN=1，F1为？ 0 / 0 2
191 AIMC190   AI-MC-190 TP=18、TN=72、FP=8、FN=2，准确率为？ 0 / 0 2
192 AIMC191   AI-MC-191 分数0.2、0.4、0.4、0.9，阈值0.4且含等号，预测正例数？ 0 / 0 5
193 AIMC192   AI-MC-192 三样本平方误差0、9、18，MSE为？ 0 / 0 2
194 AIMC193   AI-MC-193 真实风险40条识别32条，漏检率为？ 0 / 0 2
  • 1

Categories

Lucky

Pick a problem randomly based on the current filter.

  1. Language
  2. Legacy mode
  3. Theme
  3. Worker 0, 12ms
  4. Powered by Hydro v5.0.7 Community