Questão FC890574
Uma equipe de análise de risco de um tribunal implanta modelos de classificação para identificar processos com alta probabilidade de resultado desfavorável para a administração, tr
Inteligência Artificial (IA)
FGV · 2026
Uma equipe de análise de risco de um tribunal implanta modelos de classificação para identificar processos com alta probabilidade de resultado desfavorável para a administração, trabalhando com bases historicamente desbalanceadas (poucos casos críticos em relação aos não críticos). Na fase de avaliação, discute-se o uso de validação cruzada, métricas baseadas em limiar de decisão e curvas de desempenho.
Com base nas boas práticas de avaliação de modelos de aprendizado de máquina, inclusive em cenários com classes desbalanceadas, analise as afirmativas a seguir, considerando (V) para a(s) afirmativa(s) verdadeira(s) e (F) para a(s) falsa(s).
( ) Na validação cruzada k-fold estratificada, cada partição de treino e teste preserva aproximadamente a mesma proporção de classes do conjunto original, o que contribui para estimativas de desempenho mais estáveis em problemas com desbalanceamento de classes.
( ) Curvas ROC e a métrica AUC-ROC são tipicamente mais informativas do que curvas precision-recall em cenários com classes fortemente desbalanceadas, justamente porque destacam com maior sensibilidade o comportamento do classificador em relação à classe minoritária.
( ) A métrica F1-score corresponde ao dobro do produto entre precisão (precision) e sensibilidade (recall) dividido pela soma de ambos, de modo que valores muito discrepantes entre precisão e recall tendem a produzir um F1-score relativamente baixo.
( ) Ao diminuir o limiar de decisão de um classificador binário (por exemplo, de 0,7 para 0,3), a precisão tende a aumentar, pois mais exemplos positivos são corretamente identificados como tal, ainda que isso geralmente ocorra às custas de uma redução no recall.
A sequência correta é:
- V, V, F e F;
- V, F, V e F;
- V, F, F e V;
- F, V, V e F;
- F, V, F e V.
Mostrar resposta e comentário
Gabarito
B
Comentário do professor
Gabarito: V, F, V e F.
A primeira afirmação é verdadeira porque a validação cruzada k-fold estratificada garante que cada dobra mantenha aproximadamente a mesma proporção das classes do conjunto original. Em problemas desbalanceados isso evita dobras sem exemplos da classe minoritária e produz estimativas de desempenho mais estáveis e representativas.
A segunda é falsa porque a curva ROC/AUC incorpora a taxa de falsos positivos no denominador, sendo influenciada pela grande quantidade de negativos em conjuntos desbalanceados; isso pode mascarar falhas na detecção da classe minoritária. Em cenários com forte desbalanceamento, a curva Precision-Recall costuma ser mais informativa.
A terceira é verdadeira: o F1-score é a média harmônica entre precisão e recall, dada por \(F1 = 2 \cdot \frac{Precision \cdot Recall}{Precision + Recall}\), portanto penaliza quando há grande disparidade entre as duas medidas.
A quarta é falsa porque, ao reduzir o limiar de decisão, o recall tende a aumentar (mais positivos detectados) enquanto a precisão tende a cair (mais falsos positivos), não o inverso.
Conteúdo do catálogo FC Concursos · Atualizado em