Gabarito disponível
Um modelo de machine learning foi treinado para prever se determinado email é spam ou não. Ao se avaliar o desempenho do modelo, observou-se que a métrica utilizada representava a proporção de exemplos positivos corretamente identificados em relação ao total de exemplos positivos existentes.
A partir dessas informações, é correto afirmar que a métrica utilizada no referido modelo de machine learning é denominada
A partir dessas informações, é correto afirmar que a métrica utilizada no referido modelo de machine learning é denominada
Resolução comentada
Proporção de positivos reais corretamente identificados = revocação (recall/sensibilidade).
A revocação é VP/(VP+FN): dentre todos os exemplos realmente positivos, quantos o modelo identificou. É exatamente a descrição do enunciado.
Análise das alternativas
A) Especificidade mede VN/(VN+FP), foco nos negativos. C) F1 é a média harmônica entre precisão e revocação. D) Acurácia é a proporção total de acertos. E) Precisão é VP/(VP+FP), proporção de acertos entre os previstos como positivos.
Referência: Métricas de classificação (matriz de confusão).
Resolução comentada do VaiConcursos.