Questão FC265982
Em problemas de classificação no contexto da mineração de dados, é essencial que a performance de um modelo aplicado em um problema seja avaliada. Certas métricas e técnicas são ba
Bancos de Dados Dimensionais
IDECAN · 2019
Em problemas de classificação no contexto da mineração de dados, é essencial que a performance de um modelo aplicado em um problema seja avaliada. Certas métricas e técnicas são bastante difundidas para esse fim. Sobre esse tema, analise as afirmativas a seguir:
I. A métrica de acurácia (accuracy) é mais efetiva do que as métricas de sensibilidade (sensitivity) e especificidade (specificity), pois não é afetada pelo problema de desbalanceamento de classes.
II. A métrica de F-score é dada pela combinação das métricas de sensibilidade (sensitivity) e precisão (precision) na equação: F = (2 × precision × sensitivity) / (precision + sensitivity).
III. A curva ROC (Receiver Operating Characteristic) é útil para medir a acurácia de um modelo, onde quanto mais próximo de 1 for sua área (AUC - area under the curve), pior é o modelo.
Assinale
- se somente a afirmativa I estiver correta.
- se somente a afirmativa II estiver correta.
- se somente a afirmativa III estiver correta.
- se somente as afirmativas I e II estiverem corretas.
- se somente as afirmativas II e III estiverem corretas.
Mostrar resposta e comentário
Gabarito
B
Comentário do professor
A afirmativa está correta: o F‑score (normalmente F1) combina sensibilidade (recall) e precisão (precision) pela média harmônica, dando uma medida única que considera tanto a capacidade de encontrar positivos quanto a exatidão dessas previsões.
A fórmula é \(F = \dfrac{2 \times \text{precision} \times \text{sensitivity}}{\text{precision} + \text{sensitivity}}\). Essa média harmônica privilegia o menor valor entre precisão e sensibilidade, penalizando situações em que uma métrica é alta e a outra muito baixa.
O F‑score varia de 0–1; valores mais próximos de 1 indicam melhor equilíbrio entre precisão e sensibilidade. É especialmente útil em problemas com classes desbalanceadas ou quando se quer um único indicador que reflita tanto falsos positivos quanto falsos negativos.
Conteúdo do catálogo FC Concursos · Atualizado em