\u00c9 calculado da seguinte forma:<\/span><\/p>\n Precis\u00e3o Balanceada<\/strong> = (Sensibilidade + Especificidade) \/ 2<\/span><\/p>\n Ouro:<\/span><\/p>\n Esta m\u00e9trica \u00e9 particularmente \u00fatil quando as duas classes est\u00e3o desequilibradas, ou seja, uma classe aparece muito mais que a outra.<\/span><\/p>\n O exemplo a seguir mostra como calcular a precis\u00e3o balanceada na pr\u00e1tica e demonstra por que ela \u00e9 uma m\u00e9trica t\u00e3o \u00fatil.<\/span><\/p>\n Suponha que um analista esportivo use um modelo de regress\u00e3o log\u00edstica<\/a> para prever se 400 jogadores diferentes de basquete universit\u00e1rio ser\u00e3o ou n\u00e3o convocados para a NBA.<\/span><\/p>\n A seguinte matriz de confus\u00e3o resume as previs\u00f5es feitas pelo modelo:<\/span> <\/p>\n Para calcular a precis\u00e3o balanceada do modelo, primeiro calcularemos a sensibilidade e a especificidade:<\/span><\/p>\n Podemos ent\u00e3o calcular a precis\u00e3o balanceada da seguinte forma:<\/span><\/p>\n A precis\u00e3o balanceada do modelo \u00e9 0,8684<\/strong> .<\/span><\/p>\n Observe que quanto mais pr\u00f3xima a precis\u00e3o balanceada estiver de 1, mais o modelo ser\u00e1 capaz de classificar corretamente as observa\u00e7\u00f5es.<\/span><\/p>\n Neste exemplo, a precis\u00e3o equilibrada \u00e9 bastante alta, o que nos diz que o modelo de regress\u00e3o log\u00edstica est\u00e1 fazendo um trabalho muito bom ao prever se os jogadores universit\u00e1rios ser\u00e3o ou n\u00e3o convocados para a NBA.<\/span><\/p>\n Neste cen\u00e1rio, como as classes s\u00e3o muito desequilibradas (20 jogadores foram convocados e 380 jogadores n\u00e3o), a precis\u00e3o equilibrada nos d\u00e1 uma imagem mais realista do desempenho do modelo em compara\u00e7\u00e3o com uma medida de precis\u00e3o geral.<\/span><\/p>\n Por exemplo, calcular\u00edamos a precis\u00e3o do modelo da seguinte forma:<\/span><\/p>\n A precis\u00e3o do modelo \u00e9 de 0,975<\/strong> , o que parece extremamente alto.<\/span><\/p>\n No entanto, considere um modelo que simplesmente prev\u00ea que todos os jogadores n\u00e3o ser\u00e3o draftados. Teria uma precis\u00e3o de 380\/400 = 0,95<\/strong> . Isso \u00e9 apenas um pouco menor que a precis\u00e3o do nosso modelo.<\/span><\/p>\n A pontua\u00e7\u00e3o de precis\u00e3o balanceada de 0,8684<\/strong> nos d\u00e1 uma ideia melhor da capacidade do modelo de prever ambas as classes.<\/span><\/p>\n Em outras palavras, nos d\u00e1 uma ideia melhor da capacidade do modelo de prever quais jogadores n\u00e3o ser\u00e3o draftados e<\/em> quais ir\u00e3o.<\/span><\/p>\n Os tutoriais a seguir explicam como criar uma matriz de confus\u00e3o em diferentes softwares estat\u00edsticos:<\/span><\/p>\n Como criar uma matriz de confus\u00e3o no Excel<\/a> A precis\u00e3o equilibrada \u00e9 uma m\u00e9trica que podemos usar para avaliar o desempenho de um modelo de classifica\u00e7\u00e3o . \u00c9 calculado da seguinte forma: Precis\u00e3o Balanceada = (Sensibilidade + Especificidade) \/ 2 Ouro: Sensibilidade : A \u201ctaxa de verdadeiros positivos\u201d \u2013 a porcentagem de casos positivos que o modelo \u00e9 capaz de detectar. Especificidade : […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-2270","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n\n
Exemplo: Calculando a precis\u00e3o balanceada<\/strong><\/span><\/h3>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/equilibre1.png\")
<\/p>\n\n
\n
\n
Recursos adicionais<\/strong><\/span><\/h3>\n
Como criar uma matriz de confus\u00e3o em R<\/a>
Como criar uma matriz de confus\u00e3o em Python<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"