Questão 6/10 - Mineração de Dados (E) Como forma de avaliar um classificador, se destaca o uso das curvas ROC. Essas curvas podem ser entendidas co...

Analisando as alternativas: A) Podemos exemplificar com um caso onde existam 500 amostras da base de dados e o classificador acertou 398. Neste caso teremos uma precisão final de (398/500) x 100 = 79,6%. - Esta afirmação está correta, pois a precisão é calculada pela divisão do número de verdadeiros positivos pelo total de previsões positivas. B) Para a apuração do resultado de uma análise de classificadores podemos utilizar, mesmo que não precisos os dados do processo de classificação. Essa avaliação baseia-se na constatação do percentual de erros apresentados pelo classificador. - Esta afirmação está incorreta, pois a avaliação não se baseia apenas no percentual de erros, mas também na capacidade do classificador de distinguir entre as classes. C) Apesar de não conseguirmos determinar a precisão, podemos dizer se esse classificador é ou não eficiente. Possuindo apenas o valor da precisão é possível diagnosticar a qualidade do classificador. - Esta afirmação está incorreta, pois a precisão sozinha não é suficiente para diagnosticar a qualidade do classificador. Outras métricas, como recall e a própria curva ROC, são necessárias para uma avaliação completa. D) Também conhecida como métrica de valor de predição positiva, a métrica precision tem como objetivo a identificação do número de resultados classificados negativamente. Essa métrica busca medir a quantidade de dados para as amostras negativas. - Esta afirmação está incorreta, pois a métrica de precisão se concentra na identificação do número de verdadeiros positivos em relação ao número total de positivos previstos. Portanto, a alternativa correta é a A) Podemos exemplificar com um caso onde existam 500 amostras da base de dados e o classificador acertou 398. Neste caso teremos uma precisão final de (398/500) x 100 = 79,6%.