2025年AI模型准确率评估方法考核卷及答案.docxVIP

2025年AI模型准确率评估方法考核卷及答案

考试时间：______分钟总分：______分姓名：______

一、选择题

1.在一个二分类问题中，模型的预测结果为正类，实际真实标签也为正类。这被称为：

A.真实负类(TN)

B.假正类(FP)

C.真实正类(TP)

D.假负类(FN)

2.下列哪个指标在数据不平衡时，可能无法准确反映模型的性能，尤其是对少数类预测的性能？

A.精确率(Precision)

B.召回率(Recall)

C.F1分数(F1-Score)

D.准确率(Accuracy)

3.混淆矩阵中的真正例(TruePositives,TP)代表的是：

A.预测为正类，实际为负类的样本数

B.预测为负类，实际为正类的样本数

C.预测为正类，实际也为正类的样本数

D.预测为负类，实际也为负类的样本数

4.当我们希望评估模型在不同阈值下的区分能力时，通常会绘制：

A.混淆矩阵图

B.精确率-召回率曲线(PRCurve)

C.ROC曲线

D.K折交叉验证图

5.以下哪个指标的定义是：正确预测为正类的样本数占所有预测为正类样本数的比例？

A.准确率(Accuracy)

B.精确率(Precision)

C.召回率(Recall)

D.F1分数(F1-Score)

6.在模型评估中，K折交叉验证的主要目的是什么？

A.减少模型训练时间

B.防止过拟合，获得更稳健的模型性能估计

C.自动调整模型超参数

D.提高模型的计算复杂度

7.对于一个多分类问题（例如，分为三类A、B、C），计算宏观平均精确率(Macro-AveragedPrecision)的方法是：

A.将所有类别的精确率相加后除以类别总数

B.首先计算每个类别的精确率，然后对每个类别的精确率按其样本数量进行加权平均

C.计算所有类别正确预测为该类别且被预测为该类别的样本数之和，再除以所有类别被预测为该类别的样本总数之和

D.选择表现最好的那个类别的精确率作为最终结果

8.召回率(Recall)的定义是：

A.正确预测为正类的样本数占所有实际为正类样本数的比例

B.正确预测为负类的样本数占所有实际为负类样本数的比例

C.正确预测为正类的样本数占所有预测为正类样本数的比例

D.所有预测正确的样本数占所有样本总数的比例

9.AUC（ROC曲线下面积）指标的取值范围通常是：

A.[0,1]

B.(0,1)

C.[0,1)

D.[0,+∞)

10.当模型的精确率很高但召回率较低时，通常意味着：

A.模型倾向于将样本预测为正类，且预测为正类的样本大多是真正的正类

B.模型倾向于将样本预测为负类，且预测为负类的样本大多是真正的负类

C.模型在识别正类方面表现很好，但在找出所有正类方面表现较差

D.模型在识别负类方面表现很好，但在找出所有负类方面表现较差

二、填空题

1.混淆矩阵中有四个基本元素：真正例(TP)、__________、假正类(FP)、__________。

2.F1分数是精确率(Precision)和召回率(Recall)的__________平均。

3.在处理严重不平衡的数据集时，如果业务上更关注漏报（假负类）的情况，那么通常希望模型的__________较高。

4.评估一个模型的好坏，不仅要看总体性能，还需要考虑其在不同子群体或不同业务目标下的表现，这体现了评估的__________原则。

5.K折交叉验证中，将数据集随机分成K个大小相等的子集，每次选择一个子集作为验证集，其余K-1个子集用于__________。

6.ROC曲线是绘制真阳性率（即召回率）随__________变化的曲线。

7.当我们说一个模型的准确率为90%时，其含义是：所有预测结果中，有__________是正确的。

8.对于二分类问题，精确率和召回率之间存在一种基本的权衡关系，提高其中一个通常会导致另一个__________。

9.评估指标的选择应与具体的__________和业务目标紧密相关。

10.除了精确率、召回率、F1分数和AUC，评估分类模型性能时还可能考虑__________指标。

三、简答题

1.简述过拟合现象对