Considere certo método de aprendizado de máquina do tipo
classificador, para realizar uma tarefa de classificação para k
classes (sendo k um número natural maior do que 1) em um
conjunto de dados com n objetos (sendo n um número natural
maior do que k). Acerca da matriz de confusão correspondente,
analise os itens a seguir.
I. A soma de todos os elementos da matriz é igual a n.
II. A taxa de acerto do classificador é dada pela razão entre a
soma da diagonal principal da matriz e a soma de todos os
elementos.
III. A precisão do classificador para certa classe i é dada pela razão
entre o elemento da diagonal principal na linha i e a soma de
todos os elementos da coluna i.
Está correto o que se afirma em

Question

Considere certo método de aprendizado de máquina do tipo
classificador, para realizar uma tarefa de classificação para k
classes (sendo k um número natural maior do que 1) em um
conjunto de dados com n objetos (sendo n um número natural
maior do que k). Acerca da matriz de confusão correspondente,
analise os itens a seguir.
I. A soma de todos os elementos da matriz é igual a n.
II. A taxa de acerto do classificador é dada pela razão entre a
soma da diagonal principal da matriz e a soma de todos os
elementos.
III. A precisão do classificador para certa classe i é dada pela razão
entre o elemento da diagonal principal na linha i e a soma de
todos os elementos da coluna i.
Está correto o que se afirma em Alternativa A: I, apenas.  Ou Alternativa B: II, apenas. Ou Alternativa C: I e II, apenas. Ou Alternativa D: I e III, apenas. Ou Alternativa E: I, II e III.

Maíra Gatti · Accepted Answer

Alternativa [C] I e II, apenas. Vamos entender o porquê:Matriz de ConfusãoEm uma matriz de confusão, temos: * Verdadeiros Positivos (VP): Casos em que o classificador previu corretamente a classe positiva. * Falsos Positivos (FP): Casos em que o classificador previu a classe positiva incorretamente. * Verdadeiros Negativos (VN): Casos em que o classificador previu corretamente a classe negativa. * Falsos Negativos (FN): Casos em que o classificador previu a classe negativa incorretamente.Definições Corretas * Precisão: A precisão de uma classe é a razão entre os verdadeiros positivos (VP) e a soma dos verdadeiros positivos (VP) e falsos positivos (FP). Em outras palavras, é a proporção de previsões positivas corretas em relação a todas as previsões positivas.   * Fórmula: Precisão = VP / (VP + FP)   * Na Matriz de confusão, a precisão é a razão entre o elemento da diagonal principal na linha i e a soma de todos os elementos da linha i. * Revocação (Recall): A revocação de uma classe é a razão entre os verdadeiros positivos (VP) e a soma dos verdadeiros positivos (VP) e falsos negativos (FN). Em outras palavras, é a proporção de casos positivos que foram previstos corretamente em relação a todos os casos positivos reais.   * Fórmula: Revocação = VP / (VP + FN)   * Na Matriz de confusão, a revocação é a razão entre o elemento da diagonal principal na linha i e a soma de todos os elementos da coluna i.O Erro na FraseA frase descreve a fórmula da revocação, não da precisão. Ao dizer que a precisão é a razão entre o elemento da diagonal principal na linha i e a soma dos elementos da coluna i, ela está definindo a revocação.Em resumo: * Precisão: foca nas previsões positivas. * Revocação: foca nos casos positivos reais.Espero que esta explicação tenha esclarecido a diferença entre precisão e revocação!

SEJA VITALÍCIO

SEJA VITALÍCIO

Considere certo método de aprendizado de máquina do tipo cl...

Comentários

Clique para visualizar este comentário

Questões de assuntos semelhantes

Provas relacionadas