- Компиляторы
-
Обучение
Изучить Python Запускаемые примеры, NumPy, pandas и другое Изучить ИИ / машинное обучениеНейросети, ML и LLM с нуля Изучить C и C++ Указатели, память, STL и современный C++ Изучить C#Основы C#, ООП, LINQ, async и упражнения .NET Изучить MatplotlibЛинейные, столбчатые, точечные и круговые диаграммы с визуализацией Изучение RustВладение, трейты, обработка ошибок и потоки Изучение GoСрезы, интерфейсы, горутины и каналы Алгоритмы на Python Поиск, сортировка, рекурсия и визуализация O(n) Алгоритмы на C и C++ Сравнение реализаций на C и C++ Программирование для детей Учись программировать, играя!
- КвизыНовое
- ЗадачиНовое
- УчителямНовое
- Обновления
- Угостить кофе
Квиз по AI & Machine Learning: ROC Curve & AUC
This hard quiz goes beyond "higher AUC is better". You will compute TPR, FPR and AUC by hand, read what AUC means as a ranking probability, and see why it ignores calibration and can flatter models on heavily imbalanced data.
Пример вопроса
Вопрос 1 из 10What does a ROC curve plot?
Показать ответ
B. True positive rate against false positive rate as the threshold changes Each threshold gives one (FPR, TPR) point, with FPR on the x-axis and TPR (recall) on the y-axis; sweeping the threshold traces the curve. Precision against recall is the PR curve.
Что проверяет этот квиз
- TPR vs FPR across all thresholds
- AUC as the chance a random positive outranks a random negative
- Computing AUC from a few scores
- Monotonic transforms, calibration and AUC below 0.5
- When a precision-recall curve is the better choice
Частые вопросы
Нужен ли аккаунт?
Нет. Играть может любой. Войдите, чтобы сохранять XP, серию, значки и историю.
Можно пройти ещё раз?
Да. Лучший результат сохраняется, а вопросы и ответы каждый раз перемешиваются.