Pular para o conteúdo principal

Questão de Engenharia de Software — Inteligencia Artificial — CESPE / CEBRASPE 2025

Engenharia de SoftwareInteligencia Artificial
Código
ce202068
Banca
CESPE / CEBRASPE
Órgão
EMBRAPA
Ano
2025
Nível
Superior
Cargo
Pesquisador – Área: Gestão da Informação – Subárea: Engenharia de Dados
Acerca de inteligência artificial e machine learning, julgue o item que se segue.Para avaliar o desempenho de um classificador em problemas de classificação com classes significativamente desbalanceadas, a métrica acurácia é a mais adequada, pois considera a proporção de previsões corretas em relação ao total de amostras.
  1. CCerto
  2. 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”.

Avaliação de Classificadores em Classes Desbalanceadas

Gabarito: ❌ ERRADO. A afirmação está incorreta porque a acurácia não é a métrica mais adequada para problemas de classificação com classes significativamente desbalanceadas. A acurácia mede a proporção de previsões corretas sobre o total de amostras, mas em cenários onde uma classe domina (ex.: 95% de exemplos da classe A), um classificador que sempre prevê a classe A teria 95% de acurácia, porém seria inútil para identificar a classe minoritária.

Nesses casos, métricas como precisão, revocação (recall), F1-score ou área sob a curva ROC (AUC) são mais informativas, pois avaliam o desempenho em cada classe de forma equilibrada. Portanto, a sentença está errada.

  1. 1Classe A domina (95%)
  2. 2Classificador sempre prevê A
  3. 3Acurácia = 95% (engana)
  4. 4[-] Inútil para classe minoritária
LEVEL · soulevel.com.br

❌ ERRADO

Link permanente: /questoes/ce202068