Em problemas de classificação no contexto da mineração de dados, é essencial que a performance de um modelo aplicado em um problema seja avaliada. Certas métricas e técnicas são bastante difundidas para esse fim. Sobre esse tema, analise as afirmativas a seguir:

I. A métrica de acurácia (accuracy) é mais efetiva do que as métricas de sensibilidade (sensitivity) e especificidade (specificity), pois não é afetada pelo problema de desbalanceamento de classes.

II. A métrica de F-score é dada pela combinação das métricas de sensibilidade (sensitivity) e precisão (precision) na equação: F = (2 × precision × sensitivity) / (precision + sensitivity).

III. A curva ROC (Receiver Operating Characteristic) é útil para medir a acurácia de um modelo, onde quanto mais próximo de 1 for sua área (AUC - area under the curve), pior é o modelo.

Assinale