Độ chính xác cân bằng (balanced accuracy)
Khi dữ liệu mất cân bằng, accuracy thường gây ảo giác tốt vì mô hình chỉ cần đoán lớp đa số. Balanced accuracy lấy trung bình của recall và specificity nên đánh giá công bằng cho c…
Tiến độ của tôi ở bài này
Điểm được lưu vào tài khoản sau khi chấm bài.
Đang tải điểm của bạn…
Kiến thức và chủ đề
Kiến thức tiên quyết: confusion-matrix, recall.
Nội dung đề bài
Mô tả bài toán
Khi dữ liệu mất cân bằng, accuracy thường gây ảo giác tốt vì mô hình chỉ cần đoán lớp đa số. Balanced accuracy lấy trung bình của recall và specificity nên đánh giá công bằng cho cả hai lớp.
Yêu cầu
Đọc từ stdin: dòng 1 là N; dòng 2 là N nhãn thật; dòng 3 là N nhãn dự đoán. In ra balanced accuracy = recall + specificity2, Kết quả in với đúng 4 chữ số thập phân. Mỗi tỉ lệ có mẫu số 0 được quy ước là 0.
Quy ước nộp bài
- Chỉ cần viết một chương trình đọc
stdinvà in rastdout. Bài này không yêu cầu viết hàm. - Không truyền lời nhắc vào
input(). Lời nhắc sẽ bị in vàostdoutvà làm bài sai. - Chỉ in đúng nội dung ở mục Output. Không in thêm nhãn, dòng trống hay ký tự thừa.
- Output được so khớp từng ký tự, phân biệt chữ hoa/thường và dấu câu.
Input
Ba dòng: N, nhãn thật, nhãn dự đoán.
Output
Một số thực với 4 chữ số thập phân.
Ràng buộc
- 1 ≤ N ≤ 105; nhãn chỉ gồm 0 và 1.
Ví dụ 1
Input
5
1 0 1 1 0
1 0 0 1 0Output
0.8333
Recall bằng $2/3$ và specificity bằng 1 nên trung bình là $0.8333$.Ví dụ 2
Input
4
1 1 0 0
1 0 1 0Output
0.5000
Recall $0.5$ và specificity $0.5$ cho balanced accuracy $0.5$.Gợi ý và lời giải chỉ mở sau khi bạn bấm Nộp bài. Giáo viên và quản trị viên mở được ngay.
Góp ý & báo lỗi bài tập
Đề bài chưa rõ, test có vấn đề hay bạn có ý tưởng giúp bài tốt hơn? Gửi cho đội ngũ AI Empire nhé — mỗi góp ý đều được đọc.