Para resolver essa questão, vamos calcular as métricas de avaliação do modelo de classificação binária com base na matriz de confusão fornecida. 1. Precisão (Precision): É a proporção de verdadeiros positivos em relação ao total de positivos previstos (verdadeiros positivos + falsos positivos). \[ \text{Precisão} = \frac{VP}{VP + FP} = \frac{90}{90 + 60} = \frac{90}{150} = 0,6 \] 2. Recall (Revocação): É a proporção de verdadeiros positivos em relação ao total de positivos reais (verdadeiros positivos + falsos negativos). \[ \text{Recall} = \frac{VP}{VP + FN} = \frac{90}{90 + 10} = \frac{90}{100} = 0,9 \] 3. F1-Score: É a média harmônica entre precisão e recall. \[ F1 = 2 \times \frac{\text{Precisão} \times \text{Recall}}{\text{Precisão} + \text{Recall}} = 2 \times \frac{0,6 \times 0,9}{0,6 + 0,9} = 2 \times \frac{0,54}{1,5} = 0,72 \] Agora, analisando as alternativas: A) Uma precisão de 0,9. (Incorreta, a precisão é 0,6) B) Uma precisão de 0,6. (Correta) C) Um recall (revocação) de 0,6. (Incorreta, o recall é 0,9) D) Um F1-score de 0,6. (Incorreta, o F1-score é 0,72) E) Um F1-score de 0,9. (Incorreta, o F1-score é 0,72) Portanto, a alternativa correta é: B uma precisão de 0,6.