Especialista em Regulação de Serviços Públicos de Telecomunicações – Especialidade: Ciências de Dados
Acerca da avaliação de modelos de classificação, julgue o item que se segue.A área sob a curva ROC (receiver operating characteristic) é uma métrica de qualidade útil para avaliar um modelo: quanto mais próxima a curva estiver do canto superior direito do gráfico, melhor será a predição do modelo.
CCerto
EErrado
Revelar gabarito e comentário▾
GabaritoE — Errado
Comentário gerado por IA. É um apoio ao estudo, ancorado em fontes, mas pode conter imprecisões — confira sempre na fonte oficial (lei, súmula, edital e gabarito da banca). Encontrou um erro? Use “Reportar”.
Curva ROC e área sob a curva
❌ ERRADO. A afirmação está incorreta porque a curva ROC ideal se aproxima do canto superior esquerdo do gráfico, não do canto superior direito. O canto superior esquerdo representa a combinação perfeita de alta sensibilidade (eixo y) e baixa taxa de falsos positivos (eixo x, que é 1 − especificidade). Quanto mais a curva se aproxima desse ponto, maior a área sob a curva (AUC) e melhor o modelo.
A curva ROC (Receiver Operating Characteristic) é uma ferramenta gráfica para avaliar a qualidade de um modelo de classificação binária. Ela é construída plotando a sensibilidade (também chamada de taxa de verdadeiros positivos) no eixo vertical contra (1 − especificidade) (também chamada de taxa de falsos positivos) no eixo horizontal, para todos os possíveis valores de cutoff (limiar de decisão).
O ponto (0,1) no gráfico representa o classificador perfeito: sensibilidade de 100% e especificidade de 100% (nenhum falso positivo). Portanto, a curva que se aproxima do canto superior esquerdo indica um modelo com alta capacidade de discriminação entre as classes. A diagonal do gráfico (linha de 45°) representa um modelo que não tem poder discriminativo, equivalente a um palpite aleatório. A área sob a curva (AUC) quantifica essa qualidade: varia de 0,5 (modelo aleatório) a 1,0 (modelo perfeito). Quanto maior a AUC, melhor o modelo.
A pegadinha da banca está em trocar a localização do ponto ideal: o candidato pode lembrar que "quanto mais próximo do canto superior, melhor", mas o correto é o canto superior esquerdo, não o direito. O canto superior direito (1,1) representa um modelo que classifica tudo como positivo, o que não é desejável.
Proposição
Afirmação sobre a curva ROC
Valor-verdade
p
A curva ideal se aproxima do canto superior direito
F
q
A curva ideal se aproxima do canto superior esquerdo
V
r
Quanto mais próxima do canto superior direito, melhor a predição
F
s
Quanto mais próxima do canto superior esquerdo, melhor a predição
V
t
A afirmação do item está correta
F
1 − Especificidade (FPR)
Sensibilidade (TPR)
Baixo
Modelo perfeito (0,1)
Tudo positivo (1,1)
Alto
Tudo negativo (0,0)
Aleatório (diagonal)
LEVEL · soulevel.com.br
Alternativa E — ❌ Incorreta ⟵ GABARITO
A alternativa está errada porque inverte a localização do ponto ideal da curva ROC. O canto superior esquerdo (0,1) é o ponto de perfeição, onde a sensibilidade é máxima e a taxa de falsos positivos é zero. O canto superior direito (1,1) representa um modelo que prevê a classe positiva para todos os casos, o que não é um bom desempenho. A área sob a curva (AUC) é uma métrica útil, mas a interpretação da posição da curva está incorreta.