Seu próximo nível começa aqui
Seu desenvolvimento não pode ter limites. Garanta sua Assinatura Ilimitada e libere uma preparação completa com os melhores professores do Brasil.
Um modelo de classificação de salda binária (0 ou 1) foi...
Um modelo de classificação de salda binária (0 ou 1) foi projetado pelo Departamento de IA da Marinha do Brasil. Por abstração, saldas iguais a zero foram associadas ao caso negativo e saldas unitárias associadas ao caso positivo. Após o treino, o teste e a validação do modelo, obteve-se como resultado a matriz de confusão exposta na tabela abaixo. Esse sistema é em pregado por um banco comercial e seus diferentes departamentos para classificar individuas propensos a não arcar com suas dividas (ou seja, propensos ao problema denominado default). A resposta igual a 1, positivo, representa clientes cuja previsão é a de default, enquanto a resposta igual a 0, negativo, é a de clientes cuja previsão é a de não default. Assim, assinale a opção na qual a pergunta e a resposta feita pelo departamento descrito se encontra INCORRETA.
Classificação prevista | |||
Positivo | Negativo | ||
Classificação real | Positivo | 800 | 20 |
Negativo | 10 | 1600 | |
A
O departamento de risco pretende focar nos individuas que irão ter problema de default. Assim, tal departamento faz a pergunta: "quando a classificação é de default, qual o grau de acerto da classificação?'. Nesse caso, calcula -se a sensibilidade do modelo, que será iguais a 40/ 41.
B
O departamento de ciência de dados poderá treinar o modelo buscando um máximo de acurácia que, neste caso, será igual a 240/243. A acurácia garante que não haja disparidade entre verdadeiros positivos e verdadeiros negativos, uma vez que ambos são considerados no numerador de seu cálculo: A= (VP + VN) / (VP + FN + VN + FN).
C
O departamento de ciência de dados poderá treinar o modelo buscando um máximo do F score que, neste caso, será igual a 1600/1630, sendo calculado pela média harmônica entre precisão e recall.
D
Um dos modelos mais simples para se gerar um classificador similar ao descrito acima é o de regressão logística.
E
O departamento de marketing pretende que o modelo classifique os individuas sem chance de default para prospectar ofertas ao grupo de individuas mais próximo do ideal. Para isso, eles avaliam o lndice calculado porVN / (VN + FP) = 160/161.