• A

  Precisão = 0,109; recall = 0,600; F1 = 0,185. A acurácia é inadequada porque, em bases com forte desbalanceamento, um classificador trivial que preveja sempre a classe negativa obteria acurácia de 98%, superior à do modelo, evidenciando que a métrica não captura a capacidade de identificar a classe minoritária.

• B

  Precisão = 0,600; recall = 0,109; F1 = 0,185. A acurácia é inadequada porque a precisão e o recall são sempre complementares e, portanto, a acurácia não pode ser calculada corretamente em matrizes de confusão com classes desbalanceadas.

• C

  Precisão = 0,109; recall = 0,600; F1 = 0,185. A acurácia é inadequada porque o F1-score é a única métrica válida para bases desbalanceadas, uma vez que a acurácia ignora completamente os verdadeiros negativos no cálculo.

• D

  Precisão = 0,120; recall = 0,600; F1 = 0,200. A acurácia é inadequada porque a matriz de confusão apresentada não permite calcular a acurácia, já que o número de verdadeiros negativos é muito superior ao de verdadeiros positivos.

• E

  Precisão = 0,109; recall = 0,600; F1 = 0,185. A acurácia é inadequada porque, embora o modelo tenha bom recall, a alta taxa de falsos positivos reduz a precisão, e a acurácia de 89,4% é inferior à de um classificador trivial que preveja sempre a classe negativa, que seria de 98%.

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

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