A precisão de 85% é uma boa qualidade para um modelo?

O valor de precisão (accuracy) de 85% não pode ser avaliado como bom ou mau sem o contexto da tarefa e dos dados. É importante considerar:

• Equilíbrio de classes: se os dados estiverem desequilibrados, a precisão pode ser uma métrica enganosa.
• Tipo de tarefa: para algumas tarefas, 85% é um excelente resultado, para outras, insuficiente.
• Métricas alternativas: precisão, recall, pontuação F1, ROC-AUC podem fornecer uma visão mais completa da qualidade do modelo.

Por exemplo, na classificação de eventos raros, a precisão pode ser alta simplesmente devido à predominância de uma classe, mas o modelo pode ter dificuldades em reconhecer casos importantes.

Portanto, é sempre necessário analisar as métricas no contexto da tarefa e dos dados, e não apenas confiar na precisão.