Um auditor fiscal da Secretaria da Fazenda Nacional precisa avaliar a qualidade de um modelo de aprendizado de máquina supervisionado utilizado para classificar contribuintes em risco de sonegação fiscal. O modelo foi treinado com uma base histórica de 100.000 contribuintes, na qual 2% eram sonegadores. Após o treinamento, obteve-se a seguinte matriz de confusão no conjunto de teste (também com 100.000 contribuintes e mesma proporção de classes):

• Verdadeiros Positivos (VP) = 800
• Falsos Positivos (FP) = 4.000
• Falsos Negativos (FN) = 1.200
• Verdadeiros Negativos (VN) = 94.000

Com base nesses resultados, um analista apresentou as seguintes afirmativas:

I. A acurácia do modelo é superior a 95%, o que indica um desempenho global excelente, especialmente considerando o desbalanceamento das classes.

II. A precisão do modelo é de 16,67%, o que significa que, dos contribuintes classificados como sonegadores, apenas cerca de um sexto realmente são sonegadores.

III. O recall (sensibilidade) do modelo é de 40%, indicando que o modelo deixa de identificar 60% dos sonegadores reais.

IV. O F1-score, que é a média harmônica entre precisão e recall, é aproximadamente 23,53%.

Está correto o que se afirma em: