Geral
Aprendizado de Máquina
Semana 7
0
Questão
Em
problemas de aprendizado de máquina com dados desbalanceados, a
acurácia isolada pode ser enganosa. Métricas como precisão, recall e
F1-score são mais apropriadas para refletir o desempenho real. Comparar
modelos nessas condições exige atenção a esses fatores para evitar
escolhas inadequadas.
Considere o conceito de precisão (precision) como uma métrica de desempenho em problemas de classificação binária. A precisão é definida como a proporção de verdadeiros positivos (TP) em relação ao total de instâncias classificadas como positivas (a soma de verdadeiros positivos e falsos positivos, FP).
Dado o seguinte cenário em um problema de classificação, analise as medidas a seguir:
Considere o conceito de precisão (precision) como uma métrica de desempenho em problemas de classificação binária. A precisão é definida como a proporção de verdadeiros positivos (TP) em relação ao total de instâncias classificadas como positivas (a soma de verdadeiros positivos e falsos positivos, FP).
Dado o seguinte cenário em um problema de classificação, analise as medidas a seguir:
- Total de verdadeiros positivos (TP):
- Total de falsos positivos (FP):
- Total de verdadeiros negativos (TN):
- Total de falsos negativos (FN):
A) ![estilo mostrar 0 vírgula 9]()
B) ![estilo mostrar 0 vírgula 5]()
C) ![estilo mostrar 0 vírgula 4]()
D) ![estilo mostrar 0 vírgula 8]()
E) ![estilo mostrar 0 vírgula 6]()