Considere certo método de aprendizado de máquina do tipo cl...
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
Gabarito comentado
Confira o gabarito comentado por um dos nossos professores
Gabarito: C
Fundamento decisivo: O ponto decisivo era verificar as definições básicas da matriz de confusão: cada objeto do conjunto é contado uma única vez, a acurácia é a diagonal principal dividida pelo total e, sem convenção explícita de linhas e colunas, não se pode afirmar de modo geral a fórmula do item III. Isso sustenta o gabarito C.
- Em matriz de confusão, primeiro verifique se linhas e colunas representam classe real ou prevista antes de validar fórmulas por classe.
- Para acurácia global, use sempre: soma da diagonal principal dividida pelo total de observações.
- Se a afirmação sobre precisão ou revocação usar soma de linha ou de coluna, confirme se essa escolha é compatível com a orientação explicitada no enunciado.
Clique para visualizar este gabarito
Visualize o gabarito desta questão clicando no botão abaixo
Comentários
Veja os comentários dos nossos alunos
Vamos entender o porquê:
Matriz de Confusão
Em 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 Frase
A 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!
Essa questão precisava ter sido anulada. O item III apresenta duas respostas válidas. Se na construção da matriz confusão o VALOR PREDITO ficar na parte de cima da tabela, então a precisão será olhada pela COLUNA, o que torna o item VERDADEIRO. Se na construção da matriz confusão a classe Real ficar na parte de cima da tabela ai a precisão será a linha o que torna o item FALSO. Meu senhor, nessa prova de Cuiabá e do CAGE-RS, essa banca cometeu várias bizarrices e não alterou o gabarito, imagina o tanto de gente que é prejudicada. E o judiciário impede os concurseiros de judicializarem questões com erros grosseiros assim alegando que a banca é soberana. Soberanamente incompetente.
Questão ridícula. Deveria ter sido anulada. Não tem como defender o gabarito.
Na maioria das matrizes o real fica na esquerda/linhas e predito en cima/colunas. O que daria o item 3 como certo. Alem disso o item 2 descreve acurácia e não taxa de acerto. simplesmente ridículo.
Essa questão trata da Matriz de Confusão, que é uma tabela usada para ver onde um modelo de Inteligência Artificial está acertando ou errando.
(...)
Imagine uma tabela onde as linhas são o que aconteceu de verdade e as colunas são o que o modelo previu.
(...)
Análise das Afirmativas
(...)
I. A soma de todos os elementos da matriz é igual a n. (CORRETA)
(...)
Por que? A matriz registra cada um dos n objetos testados. Se você testou 100 fotos, a soma de todos os números dentro da tabela tem que dar 100. Não sobra ninguém de fora.
(...)
II. A taxa de acerto (Acurácia) é a soma da diagonal principal dividida pela soma de todos os elementos. (CORRETA)
(...)
Por que? Na diagonal principal ficam os acertos (onde o que era "A" foi classificado como "A"). Para saber a porcentagem de acerto total, você pega o total de acertos e divide pelo total de objetos (n).
(...)
III. A precisão para a classe i é a razão entre o elemento da diagonal principal na linha i e a soma da coluna i. (ERRADA)
(...)
Onde está o erro? A definição de Precisão foca no que o modelo previu. A fórmula correta seria o acerto daquela classe dividido pela soma da coluna (tudo que o modelo disse que era daquela classe).
(...)
A pegadinha: O item III inverteu ou confundiu a posição. Embora a Precisão use sim a soma da coluna, o texto descreve o elemento da "linha i" para a precisão da "classe i", mas a precisão olha para o desempenho das previsões (colunas). O erro aqui é sutil e técnico na forma como a FGV descreveu a relação entre linha/coluna para classes específicas, mas as duas primeiras são definições universais e perfeitas.
(...)
Resumo para não esquecer:
(...)
Diagonal Principal: Acertos.
(...)
Soma de tudo: Total de casos (n).
(...)
Acurácia: Acertos ÷ Total.
(...)
Fonte: Gemini
Clique para visualizar este comentário
Visualize os comentários desta questão clicando no botão abaixo
Conheça nossos planos