Logo Passei Direto
Buscar

PUC_MINAS_Atividade de fixação - Avaliação do modelo_ 09 Machine Learning (2019)

Ferramentas de estudo

Material
páginas com resultados encontrados.
páginas com resultados encontrados.

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Prévia do material em texto

11/11/2021 20:16 Atividade de fixação - Avaliação do modelo: 09. Machine Learning (2019)
https://pucminas.instructure.com/courses/1765/quizzes/32997 1/3
Atividade de fixação - Avaliação do modelo
Entrega Sem prazo Pontos 2 Perguntas 2 Limite de tempo Nenhum Tentativas permitidas Sem limite
Histórico de tentativas
Tentativa Tempo Pontuação
MAIS RECENTE Tentativa 1 1 minuto 2 de 2
 As respostas corretas estão ocultas.
Pontuação desta tentativa: 2 de 2
Enviado 11 nov em 20:16
Esta tentativa levou 1 minuto.
Fazer o teste novamente
1 / 1 ptsPergunta 1
A validação de um modelo de classificação ou previsão deve ser feita com uma base de dados diferente da utilizada
durante a fase do aprendizado.
 Verdadeiro 
A alternativa está correta. A base de treinamento não deve ser utilizada para avaliar o modelo, pois isso irá favorecer o 
overfitting e não permitirá que se avalie a capacidade de generalização desse modelo.
https://pucminas.instructure.com/courses/1765/quizzes/32997/history?version=1
https://pucminas.instructure.com/courses/1765/quizzes/32997/take?user_id=46471
11/11/2021 20:16 Atividade de fixação - Avaliação do modelo: 09. Machine Learning (2019)
https://pucminas.instructure.com/courses/1765/quizzes/32997 2/3
 Falso 
1 / 1 ptsPergunta 2
Associe as principais medidas de avaliação de modelos de aprendizado com suas respectivas descrições:
representa a porcentagem dos dados que são
corretamente classificados pelo modelo.
 Acurácia
atenua o problema de uma base de dados
com classes desbalanceadas.
 Acurácia por classe
representa a porcentagem de acertos dentre
os elementos classificados como verdadeiro.
 Precisão
representa a porcentagem dos elementos
originalmente verdadeiros que foram
classificados corretamente.
 Revocação
representa a média harmônica entre a
capacidade de classificar corretamente
elementos verdadeiros e a probabilidade de
se classificar elementos falsos como
verdadeiros.
 F1-score
11/11/2021 20:16 Atividade de fixação - Avaliação do modelo: 09. Machine Learning (2019)
https://pucminas.instructure.com/courses/1765/quizzes/32997 3/3
Pontuação do teste: 2 de 2

Mais conteúdos dessa disciplina