Avaliar o algoritmo de aprendizado de máquina é parte essencial de qualquer projeto. O modelo de predição pode fornecer resultados satisfatórios qu...

Avaliar o algoritmo de aprendizado de máquina é parte essencial de qualquer projeto. O modelo de predição pode fornecer resultados satisfatórios quando avaliado usando uma das métricas, mas pode apresentar resultados ruins quando avaliado em relação a outras métricas. Por isso, é de extrema importância saber o que cada métrica pretende aferir. Em relação às métricas de desempenho utilizadas para aferir a eficiência do modelo de predição ao final da realização do teste, qual métrica demonstra o quanto o modelo foi assertivo apenas para uma das classes? Você acertou! B. Precisão. A métrica acurácia demonstra o quanto o modelo foi assertivo em geral, enquanto precisão demonstra o quanto o modelo foi assertivo apenas para uma das classes. Além disso, a métrica revocação demonstra a frequência dos exemplos que foram encontrados de determinada classe, enquanto F1-score demonstra a qualidade do modelo de predição pela média harmônica calculada entre precisão e revocação. Por fim, a matriz de confusão é a base para os cálculos dessas métricas.


B. Precisão.