Gabarito disponível
A respeito de máquinas de vetores de suporte e de avaliação de modelos de regressão, julgue os próximos itens.
MSE (mean squared error) é uma medida usada para a avaliação da acurácia de modelos de classificação e representa a métrica de fidelidade de acerto de um modelo em relação ao atributo alvo (target attributes), portanto, pode ser utilizada para avaliar o desempenho de assertividade do modelo.
MSE (mean squared error) é uma medida usada para a avaliação da acurácia de modelos de classificação e representa a métrica de fidelidade de acerto de um modelo em relação ao atributo alvo (target attributes), portanto, pode ser utilizada para avaliar o desempenho de assertividade do modelo.
Resolução comentada
O MSE é métrica de regressão, não de acurácia de classificação.
O erro quadrático médio mede a média dos quadrados das diferenças entre valores previstos e observados, sendo usado para avaliar modelos de regressão. Modelos de classificação usam métricas como acurácia, precisão, revocação e F1. Por isso, o item está errado.
Análise das alternativas
A) Certo: errada, pois o MSE não é métrica de acurácia de classificação. B) Errado: correta, é o gabarito oficial.
Referência: Métricas de avaliação em aprendizado de máquina.
Resolução comentada do VaiConcursos.