Проверяет основы машинного обучения и оценку моделей.
quiz-bankmlclassification-metrics
Варианты ответа
Accuracy — лучшая универсальная метрика для любой ML-задачи: при её максимизации автоматически оптимизируются precision и recall, поэтому остальные метрики избыточны
Accuracy — доля правильных предсказаний от всех. Precision — доля верных среди предсказанных positive (TP/(TP+FP)). Recall — доля найденных среди реальных positive (TP/(TP+FN))
Accuracy, precision и recall — синонимы: разные названия одной и той же метрики качества классификатора, используются взаимозаменяемо в разных сообществах и фреймворках
Precision всегда строго больше recall по определению, так как precision измеряет качество предсказаний модели, а recall только измеряет полноту — поэтому они связаны неравенством
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.
Это базовый вопрос — на собеседовании его задают как разминку и фильтр, поэтому важно ответить уверенно и без заминок.
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.