Matriz de confusão e desequilíbrios de dados
Como sabemos se um modelo é bom ou ruim na classificação de nossos dados? Às vezes, pode ser difícil compreender a maneira como os computadores avaliam o desempenho do modelo, ou isso posso simplificar a forma como o modelo se comportará no mundo real. Para criar modelos que funcionam de maneira satisfatória, precisamos encontrar maneiras intuitivas de avaliá-los e entender como essas métricas podem desviar nossa exibição.
Objetivos de aprendizagem
Neste módulo, você vai:
- Avaliar o desempenho dos modelos de classificação.
- Analisar as métricas para aprimorar os modelos de classificação.
- Atenuar os problemas de desempenho nos desequilíbrios de dados.
Pré-requisitos
Familiaridade básica com os modelos de classificação