Métricas_Classificação Flashcards

1
Q

O que é Acurácia e como é calculada?

A

Acurácia é a proporção de previsões corretas em relação ao total de previsões. Fórmula:

    TP + TN / TP + TN + FP + FN

É útil quando as classes estão balanceadas.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

O que é Precisão (Precision) e como é calculada?

A

Precisão é a proporção de previsões positivas que são realmente positivas.

     TP / TP + EP

É importante quando o custo de falsos positivos é alto.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

O que é Revocação (Recall) ou Sensibilidade (Sensitivity) e como é calculada?

A

Revocação é a proporção de positivos reais identificados corretamente pelo modelo.

      TP / TP + FN

É importante quando o custo de falsos negativos é alto.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

O que é o F1 Score e como ele é calculado?

A

O F1 Score é a média harmônica da precisão e da revocação, proporcionando um equilíbrio entre as duas métricas.

2 x Precision x Revocação / Precision + Revocação

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

O que é Especificidade (Specificity) e como é calculada?

A

Especificidade é a proporção de negativos reais que são corretamente identificados pelo modelo.

Especificidade=TN / TN+FP

É importante para avaliar a capacidade do modelo de evitar falsos positivos.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Qual é a diferença entre Precisão Macro e Micro?

A

Precisão Macro: Média das precisões de cada classe, tratando todas as classes igualmente.

Precisão Micro: Média ponderada das precisões, considerando o total de verdadeiros positivos e falsos positivos.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

O que é a Curva ROC (Receiver Operating Characteristic)?

A

A Curva ROC plota a taxa de verdadeiros positivos (TPR) contra a taxa de falsos positivos (FPR) em vários limiares de classificação. Avalia a capacidade do modelo de discriminar entre classes.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

O que é AUC-ROC e como ela é utilizada?

A

A AUC-ROC (Area Under the ROC Curve) é a área sob a curva ROC, que plota a TPR (Taxa de Verdadeiros Positivos) contra a FPR (Taxa de Falsos Positivos). Avalia a capacidade do modelo de discriminar entre classes. A AUC varia de 0 a 1, onde 1 indica um modelo perfeito.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

O que é a Curva Precision-Recall e quando ela é mais útil que a ROC?

A

A Curva Precision-Recall plota a precisão contra a revocação para diferentes limiares de classificação. É mais útil que a ROC quando se trabalha com conjuntos de dados desbalanceados, pois foca nas classes positivas e suas previsões.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Como a Precisão Micro é calculada e em que situações é mais útil?

A

A Precisão Micro é calculada somando os verdadeiros positivos e falsos positivos de todas as classes e, em seguida, dividindo o total de verdadeiros positivos pelo total combinado.

Precisão Micro=∑TPi / ∑(TPi+FPi)

É mais útil quando as classes têm tamanhos diferentes e se quer uma métrica geral para o desempenho do modelo.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

O que é a Métrica de G-Mean e quando deve ser usada?

A

G-Mean é a média geométrica da sensibilidade e especificidade, usada para avaliar modelos em conjuntos de dados desbalanceados.

G-Mean= raiz (Sensibilidade×Especificidade)

É útil quando se deseja equilibrar a taxa de verdadeiros positivos e verdadeiros negativos.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q
A
How well did you know this?
1
Not at all
2
3
4
5
Perfectly