[Dúvida] accuracy_score | Machine Learning: classificação com SKLearn

Li as demais dúvidas dos companheiros, mas ainda n ficou claro para mim. Separei algumas respostas dadas para definir o accuracy_score

1) "A acurácia indica a performance geral do modelo e representa a quantidade de acertos geral, dentre todas as classificações, então quanto maior a acurácia, melhor é o seu modelo" 2) "A ideia do modelo é estimar se o usuário vai comprar ou não o curso com base nas páginas que ele navegou"

Ao meu ver temos dois objetivos diferentes desta função, pela aula entendi a opção 1, o accuracy retorna a % de acerto qdo testado em teste_y. Modelo acertou 95.83% dos 24 clientes testados, se compraram ou não. Não prediz se o cliente efetuou a compra. Estou enganado?

Obrigado

Oi, Marcel! Tudo bom?

Desculpe a demora em te responder.

O accuracy_score é uma métrica que avalia a desempenho geral do modelo com base em sua quantidade de acertos ao ser testado com os dados de teste. No contexto da videoaula, o valor de 95,83% representa a taxa de acerto do modelo ao afirmar, em cada caso, se o cliente comprou ou não comprou o produto.

Nesse sentido, a primeira opção mencionada por você está correta!

Contudo, vale analisar a segunda opção também: ela não condiz com a finalidade do accurancy_score, mas sim ao nosso objetivo principal e ao modelo de Machine Learning que estamos utilizando.

Enquanto o nosso objetivo é treinar um modelo para conseguir prever quando um usuário irá comprar ou não um produto conforme as páginas que ele acessou, o accuracy_score serve apenas para avaliar quão bem o modelo está realizando tal tarefa.

Portanto, você está certo ao enfatizar que o accuracy_score não prediz se o cliente efetuou a compra! :)

Marcel, espero ter ajudado com a minha explicação! Qualquer dúvida, estarei por aqui.

Um abraço!

Caso este post tenha lhe ajudado, por favor, marcar como solucionado ✓. Bons Estudos!