MédiaMúltipla escolha

Questão de prática de DA0-002

Uma equipe de análise de saúde está construindo um modelo de classificação para prever a readmissão de pacientes dentro de 30 dias. O conjunto de dados contém 10.000 registros com 30 recursos, incluindo dados demográficos, sinais vitais, resultados de exames laboratoriais e histórico de medicamentos. O destino da variável está desbalanceado: 85% sem readmissão, 15% com readmissão. A equipe usou regressão logística com configurações padrão e alcançou uma acurácia de 85%, mas o modelo previu 'sem readmissão' para todos os pacientes. O analista principal suspeita que o modelo não está aprendendo devido ao desbalanceamento de classes. A equipe tem tempo para implementar uma ação corretiva antes da próxima revisão do modelo. Qual ação a equipe deve tomar?

Escolha a melhor resposta.

Resposta correta

  • BAplicar o SMOTE para fazer o oversampling da classe de readmissão

Explicação

O SMOTE (Synthetic Minority Oversampling Technique) aborda diretamente o desbalanceamento de classes gerando amostras sintéticas para a classe minoritária (readmissão). Isso força o modelo de regressão logística a aprender limites de decisão que separam as duas classes, em vez de prever por padrão a classe majoritária. Com 85% de maioria e 15% de minoria, a acurácia sozinha é enganosa, e o SMOTE é uma técnica comprovada para melhorar o recall da classe minoritaria.

Por que cada alternativa está certa ou errada

A

Incorreta

Remover recursos com baixa variância para reduzir o ruído

A remoção de recursos de baixa variância aborda o ruído e a dimensionalidade, e não o desbalanceamento de classes de 85/15 que causa as previsões totalmente negativas. É tentador porque a seleção de recursos é uma etapa de pré-processamento padrão, e seria a ação correta se recursos irrelevantes ou quase constantes estivessem degradando o desempenho do modelo.

B

Correta

Aplicar o SMOTE para fazer o oversampling da classe de readmissão

O SMOTE sintetiza exemplos de readmissão da classe minoritária, rebalanceando a divisão 85/15 para que a regressão logística não converja mais na classe majoritária. Isso combate diretamente o desbalanceamento que causa as previsões totalmente negativas, abordando a restrição declarada em uma ação corretiva.

C

Incorreta

Usar a acurácia como métrica de avaliação para monitorar a melhoria

A acurácia é exatamente a métrica que já está enganando a equipe: prever a classe majoritária sozinha produz 85%, portanto, monitorá-la não pode revelar melhor detecção da classe minoritária. É tentador porque a acurácia é a saída de pontuação padrão, e seria apropriada para um conjunto de dados balanceado onde as classes ocorrem a taxas semelhantes.

D

Incorreta

Mudar para um modelo de floresta aleatória (random forest) com configurações padrão

A floresta aleatória com configurações padrão ainda otimiza a impureza geral, de modo que a classe majoritária de 85% domina e as previsões permanecem tendenciosas para 'sem readmissão'. É tentador porque os métodos de ensemble capturam interações de recursos não lineares, o que ajudaria se o problema fosse a capacidade do modelo em vez do desbalanceamento de classes.

Para se aprofundar

Com 85% de negativos, uma regressão logística padrão pode minimizar a perda logarítmica (log loss) prevendo a classe majoritária para cada linha, obtendo 85% de acurácia enquanto o recall para readmissões é zero. O SMOTE gera amostras sintéticas da minoria interpolando entre um ponto minoritário e seus k vizinhos minoritários mais próximos no espaço de recursos, deslocando o limite de decisão para que o classificador realmente aprenda os padrões de readmissão. Uma sutileza: o SMOTE deve ser aplicado apenas à fold de treinamento dentro da validação cruzada, nunca antes da divisão, ou pontos sintéticos vazam para a validação e inflam as pontuações. A acurácia continua sendo uma métrica ruim aqui; recall, F1 ou AUC-PR refletem melhor o desempenho na classe minoritária.

Sobre estas questões de prática

Esta é uma das questões de prática originais de DA0-002 da Courseiva, escrita para o aprendizado e nunca copiada de provas reais nem de dumps.

Traduzida do original em inglês com IA e conferida quanto ao sentido. Códigos de exame, comandos e nomes de produtos são mantidos como aparecem na prova.