Olá,
Gostaria de saber como é considerado em um modelo de classificação, uma taxa de acerto válida? Casos onde a accuracy_score é maior que 85%? Ou melhor, isso varia de acordo com o que estamos aprendendo?
Muito obrigado.
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!
Olá,
Gostaria de saber como é considerado em um modelo de classificação, uma taxa de acerto válida? Casos onde a accuracy_score é maior que 85%? Ou melhor, isso varia de acordo com o que estamos aprendendo?
Muito obrigado.
Oii Bruno, tudo certinho por ai?
Desculpa pela demora em te dar um retorno.
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. Claro que temos outras métricas tão importantes quanto acurácia, então é complicado avaliar apenas ela, e depende do problema que você está trabalhando, mas é muito comum a confiabilidade ser maior em um projeto se a acurácia for maior que 85% sim.
Para você avaliar melhor um projeto, é bom sempre analisar outras métricas também. Vou explicar mais quatro delas para você.
• Matriz de confusão: é uma tabela que indica a quantidade de erros e acertos do modelo, comparando com os resultados esperados. Na matriz temos os Verdadeiros Positivos - classificação correta da classe Positivo, Falsos Negativos - erro em que o modelo previu a classe Negativo quando o valor real era classe Positivo, Falsos Positivos - erro em que o modelo previu a classe Positivo quando o valor real era classe Negativo e Verdadeiros Negativos - classificação correta da classe Negativo.
•Precisão: dentre todas as classificações de classe Positivo que o modelo fez, quantas delas estão corretas, então usamos os verdadeiros positivos e falsos positivos.
•Recall: dentre todas as situações de classe Positivo como valor esperado, quantas estão corretas, usa-se o valor de verdadeiros positivos.
•F1-Score: média harmônica entre precisão e recall.
O ideal é sempre usar essas métricas para avaliar o modelo, e não só a acurácia! Se ainda ficou alguma dúvida, pode me chamar, ok?
Bons estudos ^^