Pular para o conteúdo principal

Questão de TI - Ciência de Dados e Inteligência Artificial — Treinamento e Avaliação de Modelos — FCC 2023

TI - Ciência de Dados e Inteligência ArtificialTreinamento e Avaliação de Modelos
Código
fc144464
Banca
FCC
Órgão
TRT 18
Ano
2023
Cargo
AJ TRT18

Considere a matriz de confusão abaixo, que mostra o desempenho de um modelo de classificação, na qual TP = Verdadeiro positivo, TN = Verdadeiro negativo, FP = Falso positivo e FN = Falso negativo:

 
 

Predição

Realidade

Sim

Não

Sim

600 (TP)

400 (FN)

Não

100 (FP)

900 (TN)

 

Para se fazer a avaliação do modelo, utilizam-se as métricas de classificação acurácia, especificidade e sensibilidade, assim definidas:

 

Acurácia=TP+TNTP+TN+FP+FN\frac{TP+TN}{TP+TN+FP+FN}            Especificidade=TNTN+FP\frac{TN}{TN+FP}           Sensibilidade=TPTP+FN\frac{TP}{TP+FN}

 

Com base na matriz de confusão e nas métricas indicadas, afirma-se que a

  1. Aespecificidade, também conhecida como recall ou revocação, que avalia a capacidade do modelo de detectar com sucesso resultados classificados como positivos, é de 0,9%.
  2. Bsensibilidade, que avalia a capacidade do modelo de detectar com sucesso resultados classificados como positivos, é de 90%.
  3. Cacurácia, ou precision, que mostra a razão entre a quantidade de exemplos classificados corretamente como positivos e o total de exemplos classificados como positivos, dando maior ênfase para os erros FP, é de 0.75.
  4. Dsensibilidade, também conhecida como F-measure, F-score ou score F1, que avalia a capacidade do modelo de detectar com sucesso resultados classificados como negativos, é de 0,6%.
  5. Eacurácia, que indica a assertividade de classificações positivas e negativas, independente da classe, é de 75%.
Revelar gabarito e comentário

GabaritoE — acurácia, que indica a assertividade de classificações positivas e negativas, independente da classe, é de 75%.

Link permanente: /questoes/fc144464