Métricas de Aprendizagem de Maquina Flashcards
O que é Acurácia?
A acurácia é a proporção de previsões corretas em relação ao total de previsões feitas. É calculada como ( \frac{TP + TN}{TP + TN + FP + FN} ).
O que é Precisão?
A precisão é a proporção de verdadeiros positivos em relação ao total de previsões positivas. É calculada como ( \frac{TP}{TP + FP} ).
O que é Recall (Revocação)?
O recall, ou sensibilidade, é a proporção de verdadeiros positivos em relação ao total de reais positivos. É calculado como ( \frac{TP}{TP + FN} ).
O que é F1-Score?
O F1-Score é a média harmônica da precisão e do recall. É calculado como ( 2 \times \frac{\text{precisão} \times \text{recall}}{\text{precisão} + \text{recall}} ).
O que é Matriz de Confusão?
A matriz de confusão é uma tabela que mostra o desempenho do modelo, exibindo o número de verdadeiros positivos, verdadeiros negativos, falsos positivos e falsos negativos.
O que é ROC-AUC?
A ROC-AUC (Receiver Operating Characteristic - Area Under Curve) é uma métrica que avalia a performance do modelo considerando diferentes limiares de classificação, representada pela área sob a curva ROC.
O que é Especificidade?
A especificidade é a proporção de verdadeiros negativos em relação ao total de reais negativos. É calculada como ( \frac{TN}{TN + FP} ).
O que é Log Loss?
Log Loss, ou Perda Logarítmica, mede a performance de um modelo de classificação onde a saída é uma probabilidade entre 0 e 1. Penaliza predições que estão longe do valor verdadeiro.
