A matriz de confusão é um método amplamente utlizado para avaliar modelos de classificação. Com base em uma matriz de confusão é possível identicar a precisão geral do modelo, bem como a precisão em prever elementos de classes diferentes. A matriz de confusão mostra os valores reais observados em um conjunto de dados, e as previsões para essas classes, feitas pelo modelo de classificação
Elaborado pelo professor, 2022.
Analise a seguinte matriz de confusão, aplicada a um modelo de classificação, cujo objetivo é prever se um determinando cliente fará uma nova compra ou não. Qual a previsão total do modelo e as previsões das classes "Compra" e "Não Compra"?
Alternativas Alternativa 1: Precisão total: 84,3%; Precisão da classe "Compra": 91,1%; Precisão da classe "Não Compra": 70,5%
Alternativa 2: Precisão total: 91,1%; Precisão da classe "Compra": 84,3%; Precisão da classe "Não Compra": 70,5%
Alternativa 3: Precisão total: 70,5%; Precisão da classe "Compra": 91,1%; Precisão da classe "Não Compra": 84,3%
Alternativa 4: Precisão total: 84,3%; Precisão da classe "Compra": 70,5%; Precisão da classe "Não Compra": 91,1%
Alternativa 5: Precisão total: 91,1%; Precisão da classe "Compra": 70,5%; Precisão da classe "Não Compra": 84,3%
Lista de comentários
Resposta:
Alternativa 5:
Precisão total: 91,1%; Precisão da classe "Compra": 70,5%; Precisão da classe "Não Compra": 84,3%
Explicação:
Precisão = TP / TP + FP
Acurácia = TP + TN / TP + TN + FP + FN