Que métricas podes nomear para tarefas de classificação? Fala-me sobre cada uma delas.

Para tarefas de classificação, frequentemente utilizam-se as seguintes métricas:

• Precisão (Accuracy) — proporção de objetos corretamente classificados em relação ao total. É adequada para classes equilibradas.

• Precisão (Precisão de previsões positivas) — relação entre resultados verdadeiramente positivos e a soma de verdadeiros positivos e falsos positivos. Importante quando se deseja minimizar falsos positivos.

• Recall (Revocação) — relação entre verdadeiros positivos e a soma de verdadeiros positivos e falsos negativos. Importante para minimizar falsos negativos.

• F1-score — média harmônica de Precisão e Recall, equilibrando ambos.

• ROC-AUC — área sob a curva ROC, que mostra a qualidade do modelo em diferentes limiares de classificação.

• Matriz de confusão — tabela que mostra a distribuição das previsões por classes, ajudando a entender os tipos de erros.

Cada métrica é adequada para diferentes tarefas e depende do equilíbrio das classes e dos objetivos comerciais.