Questão de Banco de Dados — BI (Business Intelligence) — FCC 2022
Banco de Dados›BI (Business Intelligence)
Código
fc065229
Banca
FCC
Órgão
TRT - 22ª Região (PI)
Ano
2022
Cargo
Analista Judiciário - Tecnologia da Informação
A matriz de confusão é utilizada na avaliação de modelos de classificação, no contexto do aprendizado de máquina. Dentre as métricas que podem ser extraídas da matriz de confusão, que resumem a capacidade de um modelo de acertar suas predições, estão o percentual que foi predito:I. Positivo corretamente sobre o total que de fato era positivo.II. Negativo corretamente sobre o total que de fato era negativo.III. Positivo sobre o total que de fato era negativo.IV. Negativo sobre o total que de fato era positivo.Os itens de I a IV correspondem, correta e respectivamente, a
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”.
Matriz de Confusão: Métricas de Classificação
Gabarito: letra A. A sequência correta é Verdadeiro Positivo (VP), Verdadeiro Negativo (VN), Falso Positivo (FP) e Falso Negativo (FN), que correspondem exatamente às descrições dos itens I a IV, respectivamente.
A matriz de confusão resume os acertos e erros de um modelo de classificação binária comparando as classes reais com as predições. As quatro métricas básicas são:
Verdadeiro Positivo (VP): predição positiva correta (o modelo acertou que era positivo).
Verdadeiro Negativo (VN): predição negativa correta (o modelo acertou que era negativo).
Falso Positivo (FP): predição positiva incorreta (o modelo disse positivo, mas era negativo – erro tipo I).
Falso Negativo (FN): predição negativa incorreta (o modelo disse negativo, mas era positivo – erro tipo II).
Análise dos Itens
Item
Descrição (percentual predito)
Métrica correspondente
I
Positivo corretamente sobre o total que de fato era positivo
Verdadeiro Positivo (VP)
II
Negativo corretamente sobre o total que de fato era negativo
Verdadeiro Negativo (VN)
III
Positivo sobre o total que de fato era negativo
Falso Positivo (FP)
IV
Negativo sobre o total que de fato era positivo
Falso Negativo (FN)
Real Positivo
Real Negativo
Predito Negativo
Verdadeiro Positivo (VP)
Falso Positivo (FP)
Predito Positivo
Falso Negativo (FN)
Verdadeiro Negativo (VN)
LEVEL · soulevel.com.br
Item I — ✅ Correto (refere-se a VP)
"Percentual que foi predito Positivo corretamente sobre o total que de fato era Positivo" define Verdadeiro Positivo (VP). É a taxa de acerto para a classe positiva.
Item II — ✅ Correto (refere-se a VN)
"Percentual que foi predito Negativo corretamente sobre o total que de fato era Negativo" define Verdadeiro Negativo (VN). É a taxa de acerto para a classe negativa.
Item III — ❌ Incorreto? Atenção: o item descreve FP
"Percentual que foi predito Positivo sobre o total que de fato era Negativo" define Falso Positivo (FP). O modelo errou ao classificar como positivo o que era negativo.
Item IV — ❌ Incorreto? Atenção: o item descreve FN
"Percentual que foi predito Negativo sobre o total que de fato era Positivo" define Falso Negativo (FN). O modelo errou ao classificar como negativo o que era positivo.
A banca pede a correspondência correta e respectiva dos itens I a IV. A única alternativa que traz VP, VN, FP, FN nessa ordem é a letra A.
Inverte as primeiras posições: começa com Falso Positivo em vez de Verdadeiro Positivo.
Alternativa C — ❌ Incorreta
Troca o I (VP) por Falso Negativo e o II (VN) por Verdadeiro Positivo, desordenando toda a sequência.
Alternativa D — ❌ Incorreta
Substitui o II (VN) por Falso Negativo e o III (FP) por Verdadeiro Negativo.
Alternativa E — ❌ Incorreta
Começa com Falso Negativo e inverte todos os pares.
PEGA ESSA DICA!
Grave a matriz 2×2: linhas = real, colunas = predito. VP e VN estão na diagonal principal (acertos). FP e FN estão fora da diagonal (erros). Para lembrar: FP = "falso alarme" (disse sim, era não); FN = "omissão" (disse não, era sim).