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: 
  • Total de verdadeiros positivos (TP): 80
  • Total de falsos positivos (FP): 20
  • Total de verdadeiros negativos (TN): 100
  • Total de falsos negativos (FN): 30
Neste sentido, assinale a alternativa que apresenta o valor da precisão (precision).
A) 0,6
B) 0,8
C) 0,4
D) 0,5
E) 0,9
function vote(questaoId, value) { window.location.href = "/accounts/login/?next=/questao/3686/"; return; fetch(`/vote/questao/${questaoId}/`, { method: 'POST', headers: { 'Content-Type': 'application/json', 'X-CSRFToken': '19RvFhsYlmy3EXTjvE8G0pU137mqa4IcCIR1PZFiElGFMOe4d5KyHDN8IHP5bwyh' }, body: JSON.stringify({ value: value }) }) .then(response => response.json()) .then(data => { if (data.success) { document.getElementById(`score-${questaoId}`).textContent = data.score; const upBtn = document.querySelector(`button[onclick="vote(${questaoId}, 1)"]`); const downBtn = document.querySelector(`button[onclick="vote(${questaoId}, -1)"]`); upBtn.classList.remove('active-up'); downBtn.classList.remove('active-down'); if (data.user_vote === 1) upBtn.classList.add('active-up'); if (data.user_vote === -1) downBtn.classList.add('active-down'); } }); }