Essa questão pede para calcular o recall, mas a alternativa correta tem a precisão do modelo
Você está vendo a versão anterior da nova experiência da Alura que estamos preparando para você. Em breve, ela ganha uma identidade visual novinha totalmente pensada em potencializar seus estudos!
Essa questão pede para calcular o recall, mas a alternativa correta tem a precisão do modelo
Olá, Vitor! Tudo bem com você?
Desculpas pela demora em dar um retorno.
A questão solicita o recall e o f1-score respectivamente, que possuem os valores 0.428 e 0.461. Podemos comprovar isso de acordo com o código abaixo:
# Importando os métodos para calcular as métricas
from sklearn.metrics import recall_score, precision_score, f1_score
# Dados ofericidos na questão
diagnostico_predito = [0,0,0,0,1,1,1,1,0,1,0,1]
diagnostico_real = [1,1,0,0,1,1,1,0,1,0,1,0]
# Calculando as métricas
print(f"Recall = {round(recall_score(diagnostico_real, diagnostico_predito), 3)}")
print(f"f1-score = {round(f1_score(diagnostico_real, diagnostico_predito), 3)}")Saída:
Recall = 0.429
f1-score = 0.462Os valores tiveram uma pequena diferença devido a aproximação.
Os valores acima comprovam que de fato a alternativa correta é a letra B. Para conferimos o valor da precisão poderíamos fazer da seguinte forma:
print(f"precisão = {round(precision_score(diagnostico_real, diagnostico_predito), 3)}")Saída:
precisão = 0.5Qualquer dúvida estou à disposição.