Questão de TI - Ciência de Dados e Inteligência Artificial — Treinamento e Avaliação de Modelos — FGV 2026

Uma matriz de confusão resume o desempenho da classificação realizada por um classificador em relação a alguns dados de teste. Um caso especial da matriz de confusão é frequentemente utilizado com apenas duas classes, uma designada como classe positiva e a outra classe negativa. Nesse contexto, as quatro células da matriz são designadas como verdadeiros positivos (VP), falsos positivos (FP), verdadeiros negativos (VN) e falsos negativos (FN), conforme indicado na tabela a seguir

Com relação ao cálculo das medidas de desempenho, analise as afirmativas a seguir.

I. A medida da especificidade (também conhecido por Taxa de verdadeiros negativos) pode ser alcançada através da fórmula: Especificidade = VN / (VN + FP).

II. A medida da sensibilidade (também conhecido por Taxa de verdadeiros positivos ou Recall) pode ser alcançada através da fórmula: Recall = VP / (VP + FN).

III. O valor preditivo positivo (também conhecido como Precisão) pode ser alcançada através da fórmula: Precisão = VN / (VN + FN)

IV. Por fim, O valor preditivo negativo (VPN) pode ser alcançada através da fórmula: VPN = VP / (VP + FP).

Está correto o que se afirma em