As métricas de avaliação de desempenho de um modelo de aprendizado de máquina, que é um componente integrante de qualquer projeto de ciência de dados, destinam-se a estimar a precisão da generalização de um modelo sobre os dados futuros (não vistos ou fora da amostra). Dentre as métricas mais conhecidas, estão a matriz de confusão, precisão, recall , pontuação, especificidade e a curva de características operacionais do receptor (ROC).
Acerca das características específicas dessas métricas, julgue os próximos itens.
Questão pública
Questão de Tecnologia da Informação
CESPE/CEBRASPE - Petrobras - Analista - Área: Ciência de Dados - 2022 • CEBRASPE • 2022
ID 193630
Tecnologia da Informação Aprendizado de Máquina
CEBRASPE
Petróleo Brasileiro S.A Analista - Área: Ciência de Dados 2022
Texto associado
Texto-base
A matriz de confusão a seguir apresenta três rótulos de classe; os elementos diagonais representam o número de pontos para os quais o rótulo previsto é igual ao rotulo verdadeiro, enquanto qualquer coisa fora da diagonal teve um rótulo atribuído erroneamente pelo classificador. Quanto menores forem os valores diagonais da matriz de confusão, melhor o modelo adotado.
Quer responder esta questão e acompanhar seu desempenho?
Entre na QuestLab para responder, acessar a AURA, estatísticas, cadernos, anotações e outros recursos da plataforma.
