Resposta correta
Explicação
O F1-score é a média harmônica de precision e recall, fornecendo uma única métrica que equilibra ambas quando as classes estão desbalanceadas. Nesse cenário, a accuracy é enganosamente alta (98%) porque o modelo sempre prevê a classe majoritária (cat), atingindo alta accuracy sem realmente aprender a distinguir gatos de cachorros. O F1-score penaliza o modelo por seu baixo recall na classe minoritária (dogs), fornecendo uma avaliação mais realista de seu desempenho.
Para se aprofundar
Com uma divisão de 95/5 e um modelo que sempre prevê 'cat', a accuracy chega a 95% enquanto o recall para dogs é zero. Portanto, o F1-score, que é a média harmônica de precision e recall, expõe a falha ao convergir para zero quando qualquer um dos componentes é ruim. A precision isoladamente também pode induzir ao erro porque o modelo nunca prevê a classe minoritária, tornando suas previsões positivas corretas por trivialidade. Uma sutileza que vale a pena conhecer é que o F1 pondera precision e recall igualmente; portanto, se falsos negativos forem mais custosos do que falsos positivos, o recall ou um F1 ponderado por beta pode ser preferido. Na prática, um modelo de triagem médica baseado em dados de doenças raras precisa desse tipo de métrica para evitar a disponibilização de um classificador que nunca sinalize a condição para a qual foi construído.
Sobre estas questões de prática
Esta é uma das questões de prática originais de AI-900 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.