假设我们要解决一个二类分类问题,我们已经建立好了模型,输出是0或1,初始时设阈值为0.5,超过0.5概率估计,就判别为1,否则就判别为0;如果我们现在用另一个大于0.5的阈值,那么现在关于模型说法,正确的是:( )A.模型分类的召回率会降低或不变B.模型分类的召回率会升高C.模型分类准确率会升高或不变D.模型分类准确率会降低

第1题：

设有如下训练好的人工神经元：2个输入x1和x2，连接权重分别是w1=-1和w2=1，阈值θ=0.5，激励函数为ReLU函数f（s)=max{0, s}。现输入x1=1和x2=2，则该神经元的输出是___。

A．0.5

B．0

C．1.5

D．2.5

第2题：

假设有一个3分类问题，某个样例的正确答案是（1，0，0）, 乙模型经过softmax回归之后的预测答案是（0.7，0.1，0.2）, 计算乙模型的交叉熵损失（）

A．-(1×log0.7 +0×log0.1+0×log0.2)≈ 0. 155

B．0

C．0.5

D．0.38

第3题：

假设有一个3分类问题，某个样例的正确答案是（1，0，0）, 甲模型经过softmax回归之后的预测答案是（0.5，0.2，0.3）, 计算甲模型的交叉熵损失（）

A．-(1×log0.5 +0×log0.2 +0×log0.3) ≈ 0.301

B．0

C．0.5

D．0.38

第4题：

设甲、乙、丙三人独立地解决某问题，他们各自能解决的概率分别为0.4，0.5，0.6，则此问题能解决的概率为

第5题：

假设有一个三分类问题，某个样本的标签为（1，0，0），模型的预测结果为（0.5，0.4，0.1），则交叉熵损失值（取自然对数结果）约等于

A．0.5

B．0.6

C．0.7

D．0.8