Questão FC373145
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 =
Inteligência Artificial (IA)
FCC · 2023
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=\(\frac{TP+TN}{TP+TN+FP+FN}\) Especificidade=\(\frac{TN}{TN+FP}\) Sensibilidade=\(\frac{TP}{TP+FN}\)
Com base na matriz de confusão e nas métricas indicadas, afirma-se que a
- especificidade, também conhecida como recall ou revocação, que avalia a capacidade do modelo de detectar com sucesso resultados classificados como positivos, é de 0,9%.
- sensibilidade, que avalia a capacidade do modelo de detectar com sucesso resultados classificados como positivos, é de 90%.
- acurácia, 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.
- sensibilidade, 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%.
- acurácia, que indica a assertividade de classificações positivas e negativas, independente da classe, é de 75%.
Mostrar resposta e comentário
Gabarito
Errado
Comentário do professor
A alternativa aponta a acurácia, que mede a proporção de classificações corretas em relação ao total de observações. É uma visão global do desempenho do modelo, considerando acertos em classes positivas e negativas.
A fórmula é \( \text{Acurácia} = \frac{TP+TN}{TP+TN+FP+FN} \). Substituindo pelos valores da matriz: \( \frac{600+900}{600+400+100+900} = \frac{1500}{2000} = 0{,}75\), ou seja, 75%.
Interpretação: 75% indica que, em média, três em cada quatro previsões do modelo estão corretas. Observação prática: a acurácia não distingue tipos de erro (FP vs FN) e pode ser menos informativa quando há classes desbalanceadas.
Conteúdo do catálogo FC Concursos · Atualizado em