MVP1

Qual das seguintes métricas não deve usada para avaliar a precisão de um modelo de classificação quando temos classes desbalanceadas?

• Acurácia

• Precisão

• Recall (Revocação)

• F1-Score

Considere um modelo de classificação binária treinado para prever se um e-mail é "spam" (positivo) ou "não spam" (negativo). Os resultados do modelo em um conjunto de teste com 100 amostras são mostrados abaixo. Qual a acurácia?

Verdadeiro Positivo (VP): 70

Falso Positivo (FP): 10

Verdadeiro Negativo (VN): 15

Falso Negativo (FN): 5

• 99

• 70

• 15

• 85

Qual forma de validação a imagem representa?

• holdout

• leave-one-out

• k-fold

• Balanced Sampling Validation

É uma técnica para aumentar a quantidade de amostras da classe majoritária, replicando amostras da classe minoritária.

• Undersampling

• Underfitting

• Oversampling

• Overfitting

É uma técnica para nivelar a quantidade de amostras da classe minoritária, removendo amostras da classe majoritária.

• Undersampling

• Underfitting

• Oversampling

• Overfitting

O modelo está sofrendo de ____________, ajustando-se muito bem aos dados de treinamento, mas com baixa capacidade de generalização.

• Undersampling

• Underfitting

• Oversampling

• Overfitting

O modelo está com alta capacidade de generalização e ajustando-se muito bem aos dados de treinamento. Entretanto, para os dados desconhecidos, está com baixa capacidade de generalização

• Undersampling

• Underfitting

• Oversampling

• Overfitting

Qual é o principal objetivo da Validação Cruzada (Cross-Validation) em modelos de Machine Learning?

• Aumentar o número de dados de treinamento para melhorar o desempenho do modelo.

• Avaliar a capacidade de generalização do modelo em dados não vistos.

• Ajustar os hiperparâmetros do modelo para obter o melhor desempenho.

• Reduzir o número de dados de treinamento da classe majoritária.

Quantas vezes os dados são divididos em um processo de Validação Cruzada k-fold com k = 5?

• Duas vezes

• Depende

• Dez vezes

• Cinco vezes

O que representa a imagem?

• Histograma de frequência dos dados

• Acurácia do modelo

• Validação cruzada

• Matriz de confusão