• AO Modelo I, por ser uma única árvore de decisão, tende a apresentar alta variância e baixo poder de generalização, o que pode explicar seu recall significativamente inferior aos demais, apesar da alta precisão.
• BO Modelo II, por utilizar ensemble de árvores com amostragem de variáveis, reduz a correlação entre as árvores e melhora a estabilidade, o que justifica o melhor equilíbrio entre recall e precisão.
• CO Modelo III, por ser baseado em distância, é sensível à escala das variáveis e à presença de variáveis irrelevantes; a padronização ajuda, mas o alto número de dimensões pode degradar seu desempenho, o que é consistente com a baixa precisão observada.
• DO Modelo I, por ter profundidade máxima 5, sofre de alto viés e baixa variância, o que explica seu baixo recall; já o Modelo II, por ter profundidade 10, sofre de baixo viés e alta variância, mas o ensemble compensa essa variância.
• EO Modelo III, por utilizar k=3, apresenta alta sensibilidade a outliers e ruídos, o que pode levar a um recall alto e precisão baixa; aumentar o valor de k tornaria o modelo mais robusto e provavelmente aumentaria a precisão.

Atalhos: A–E marca · Shift+letra corta · Enter próxima

Selecione uma alternativa pra criar sua conta e salvar o progresso.