Precision = 0.9, Recall = 0.3. Что это значит для anti-fraud модели?
MLmediummiddle
Проверяет основы машинного обучения и оценку моделей.
quiz-bankmlprecisionrecallclassification
Варианты ответа
Precision и Recall — это false positive rate и false negative rate соответственно. Trade-off для bank is acceptable
Это балансированный классификатор: F1 = 0.45, что хорошо для редкого класса fraud
Из тех, кого пометили fraud — 90% действительно fraud. Но мы ловим только 30% всех реальных fraud-операций. Threshold слишком строгий → надо снизить
Из всех fraud-операций мы поймали 30% и из них 90% настоящие. Threshold надо повысить чтобы Recall вырос
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.