Avaliação de modelos

Praticando perguntas de entrevista de Estatística em R

Zuzanna Chmielewska

Actuary

Validação cruzada

Validação cruzada

Validação cruzada

Validação cruzada

Validação cruzada

Validação cruzada

Validação cruzada

Matriz de confusão

Matriz de confusão

Matriz de confusão

Matriz de confusão

Métricas de classificação

$\text{accuracy} = \frac{TP+TN}{TP+TN+FP+FN}$

$\text{precision} = \frac{TP}{TP+FP}$

$\text{recall} = \frac{TP}{TP+FN}$

Métricas de classificação

Precisão

Revocação

Métricas de regressão

Métricas de regressão

Métricas de regressão

Root Mean Squared Error

$RMSE = \sqrt{\frac{1}{n}\sum_{i=1}^{n} (y_i - \hat{y}_i)^2}$

Mean Absolute Error

$MAE = \frac{1}{n} \sum_{i=1}^{n} |y_i - \hat{y}_i|$

Métricas de regressão

Root Mean Squared Error

$RMSE = \sqrt{\frac{1}{n}\sum_{i=1}^{n} (y_i - \hat{y}_i)^2}$

• dá peso alto a grandes erros

Mean Absolute Error

$MAE = \frac{1}{n} \sum_{i=1}^{n} |y_i - \hat{y}_i|$

• interpretação direta

Resumo

• abordagem de conjunto de validação
• validação cruzada
• matriz de confusão
• métricas de classificação
• métricas de regressão

Vamos praticar!

Praticando perguntas de entrevista de Estatística em R