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.
Considere um modelo de aprendizado de máquina para detecção...
Considere um modelo de aprendizado de máquina para detecção de fraudes em transações financeiras, classificando cada transação como ‘fraudulenta’ ou ‘não fraudulenta’. A base de dados disponível é fortemente desbalanceada, com a grande maioria das transações sendo não fraudulentas. Ao avaliar o modelo no conjunto de teste, observa-se uma acurácia de 99%. Sobre esta métrica, é correto afirmar que
A
a acurácia é irrelevante neste cenário, dado que o modelo está com overfitting devido ao baixo número de transações fraudulentas.
B
a acurácia elevada em um conjunto de dados desbalanceado, indica que ele tem alto precision e recall.
C
a acurácia não é adequada para problemas de classificação binária, sendo mais indicada para problemas de multiclasse.
D
a acurácia é a métrica mais indicada para detecção de fraudes, pois foi projetada para dar visibilidade a erros na classe minoritária, como os falsos negativos.
E
a acurácia pode superestimar o desempenho do modelo, porque o número de “verdadeiros negativos” é muito alto.