← Questões de Algoritmos e Estrutura de Dados

Algoritmos e Estrutura de Dados · FGV · 2025

Questão comentada de Algoritmos e Estrutura de Dados

O Auditor Ricardo treinou e avaliou um modelo de classificação binária, obtendo para a avaliação uma matriz de confusão, tal que a matriz apresentava 90 verdadeiros positivos, 93 verdadeiros negativos, 60 falsos positivos e 10 falsos negativos. Com base nesses valores, o modelo apresenta

Gabarito: B

Em classificação binária, a matriz de confusão organiza os acertos e erros do modelo em quatro partes: verdadeiros positivos, verdadeiros negativos, falsos positivos e falsos negativos. A partir dela, você calcula métricas como precisão, recall e F1-score, cada uma olhando para um aspecto diferente do desempenho. Aqui, a métrica cobrada na alternativa correta é a precisão, que mede, entre tudo o que o modelo previu como positivo, quantos eram realmente positivos. A fórmula da precisão é: precisão = VP / (VP + FP). Substituindo os valores do enunciado, fica 90 / (90 + 60) = 90 / 150 = 0,6. Então o modelo apresenta precisão de 0,6, que é exatamente o que diz o gabarito B. É comum confundir precisão com recall. O recall mede, entre todos os positivos reais, quantos foram encontrados: recall = VP / (VP + FN) = 90 / (90 + 10) = 0,9. Perceba que aqui o recall é alto, mas isso não muda o valor da precisão. Cada métrica responde a uma pergunta diferente, como se cada uma estivesse com uma lupa em um canto da matriz. Já o F1-score é uma média harmônica entre precisão e recall, então ele só faria sentido se fosse calculado com esses dois valores. Neste caso, ele seria 0,72, não 0,6 nem 0,9. Em provas, a banca costuma trocar esses nomes para ver se você está atento ao denominador de cada fórmula.

Continue treinando

Questões relacionadas