Бизнес говорит: «нам важно не пропустить ни одного мошенника». Аналитик двигает порог классификатора. Что произойдёт с метриками и какой компромисс описан верно?
MLmediummiddle
Проверяет основы машинного обучения и оценку моделей.
precision-recallthresholdtrade-off
Варианты ответа
Снижение порога повышает одновременно precision и recall, потому что модель просто становится увереннее в обоих классах сразу
Снижение порога повышает recall, но обычно снижает precision — поймаем больше фрода ценой роста ложных срабатываний
Порог влияет только на accuracy и никак не затрагивает precision и recall, потому что эти метрики считаются до бинаризации
Повышение порога повышает recall и снижает precision — так мы захватываем больше позитивов, жертвуя точностью предсказаний
Как разобрать этот вопрос на собеседовании
Определи тип задачи (регрессия/классификация), как ты разобьёшь данные и какой метрикой будешь мерить качество с учётом дисбаланса классов. Ценят понимание переобучения, утечки данных и того, почему выбрана именно эта метрика, а не accuracy по умолчанию.
На собеседовании по такому вопросу важно не только назвать ответ, но и кратко объяснить, почему он верный.
Тема вопроса — «ML». Чтобы подготовиться к похожим задачам, отрабатывай их на практике: раздел практики помогает довести навык до автоматизма, а раздел вопросов — увидеть формулировки, которые реально встречаются на интервью аналитика данных.
Разбор ответа
Подробный разбор с объяснением «почему правильный ответ верный» и почему остальные неверны — после регистрации.
3000+ вопросов с разбором, quiz-режим с проверкой, AI-собес и подготовка к интервью аналитика.