Pular para o conteúdo principal

Questão de Algoritmos e Estrutura de Dados — Complexidade de Algoritmos — FUNDATEC 2023

Algoritmos e Estrutura de DadosComplexidade de Algoritmos
Código
qq890129
Banca
FUNDATEC
Órgão
BRDE
Ano
2023
Nível
Superior
Cargo
Analista de Sistemas - Ciência de Dados
Em relação às estratégias de avaliação dos modelos preditivos, analise as assertivas abaixo, assinalando V, se verdadeiras, ou F, se falsas.( ) O exemplar verdadeiro-positivo pertence à classe positiva, mas o classificador o classificou como pertencente à classe negativa.( ) O f-score (medida F) é a percentagem de acertos ou verdadeiros positivos dentre todos os exemplos classificados como positivos.( ) O exemplar verdadeiro-negativo pertence à classe negativa e o classificador o classificou como pertencente à classe negativa.( ) A sensibilidade ou revocação (recall) é a taxa de verdadeiros positivos, isto é, porcentagem de verdadeiros positivos dentre todos os exemplares cuja classe esperada é a classe positiva.A ordem correta de preenchimento dos parênteses, de cima para baixo, é:
  1. AV – F – F – V.
  2. BV – V – F – F.
  3. CV – F – V – F.
  4. DF – V – F – V.
  5. EF – F – V – V.
Revelar gabarito e comentário

GabaritoE — F – F – V – V.

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 Modelos Preditivos – Métricas de Classificação

Gabarito: letra E. A sequência correta é F – F – V – V. A primeira assertiva confunde verdadeiro-positivo com falso-negativo; a segunda troca F-score por precisão; a terceira define corretamente verdadeiro-negativo; a quarta define corretamente o recall (sensibilidade).

A questão exige o domínio dos conceitos da matriz de confusão e das métricas derivadas. Vamos analisar cada assertiva:

1ª assertiva — ❌ Falsa (F)

A assertiva afirma que o exemplar verdadeiro-positivo pertence à classe positiva e foi classificado como negativo. Isso é exatamente a definição de falso negativo (FN). O verdadeiro-positivo (TP) ocorre quando a classe real é positiva e a predição do modelo também é positiva. A descrição dada está errada.

2ª assertiva — ❌ Falsa (F)

O enunciado diz que o F-score é a porcentagem de acertos (verdadeiros positivos) dentre todos os exemplos classificados como positivos. Esse conceito corresponde à precisão (ou valor preditivo positivo): Precisa~o=TPTP+FPPrecisão = \frac{TP}{TP+FP}. O F-score (especificamente F1F_1) é a média harmônica entre precisão e recall: F1=2×precisa~o×recallprecisa~o+recallF_1 = 2 \times \frac{precisão \times recall}{precisão + recall}. Portanto, a afirmação está incorreta.

3ª assertiva — ✅ Verdadeira (V)

A definição de verdadeiro-negativo (TN) está correta: a classe real é negativa e o classificador também a classifica como negativa. É um acerto do modelo.

4ª assertiva — ✅ Verdadeira (V)

A sensibilidade (recall) é a taxa de verdadeiros positivos entre todos os exemplos que realmente pertencem à classe positiva. A fórmula é Recall=TPTP+FNRecall = \frac{TP}{TP+FN}. A assertiva está perfeitamente alinhada.

Real positivo
Real negativo
Predito negativo
Verdadeiro positivo (TP)
Falso positivo (FP)
Predito positivo
Falso negativo (FN)
Verdadeiro negativo (TN)
LEVEL · soulevel.com.br
PEGA ESSA DICA!

Decore a matriz de confusão e as fórmulas de precisão, recall e F-score. Nas questões da banca, a troca mais comum é confundir precisão com recall ou F-score. Monte sempre a matriz 2×2 para visualizar.

Conclusão: As assertivas corretas são a 3ª e a 4ª; as incorretas são a 1ª e a 2ª. Sequência: F – F – V – V, que corresponde à alternativa E.

Link permanente: /questoes/qq890129