Previu positivo
42 VP e 8 FP formam 50 alertas.
VP + FP = 42 + 8 = 50AVALIAÇÃO DE MODELOS · PRECISÃO
Quando o modelo diz “positivo”, ele acerta?
Precisão mede a pureza das previsões positivas. Ela pune falsos alarmes: quanto mais falsos positivos, menor será o valor.
Alterar falsos positivos ↓VPpositivo confirmado
FPalarme falso
VP ÷ (VP+FP)qualidade das previsões positivas
01 · FÓRMULA
Olhe somente para o que foi previsto como positivo.
O denominador VP+FP reúne todas as previsões positivas. O numerador conserva apenas as que realmente eram positivas.
Precisão = VP ÷ (VP + FP)Acertou
Dos 50 alertas, 42 eram positivos reais.
VP = 42Resultado
Dividimos positivos corretos por todos os alertas.
42 ÷ 50 = 84%Leitura
A cada 100 alertas positivos, aproximadamente 84 estão corretos.
02 · QUANDO PRIORIZAR?
Quando um falso positivo custa caro.
Filtro de spam
Marcar um e-mail legítimo como spam pode esconder uma mensagem importante.
Bloqueio de transação
Um alarme falso pode impedir a compra de um cliente legítimo.
Recomendação
Uma lista curta precisa conter itens realmente relevantes para preservar confiança.
Inspeção cara
Cada alerta pode acionar uma equipe ou procedimento de alto custo.
03 · EXEMPLO DINÂMICO
FP entra na Precisão; FN não entra diretamente.
Aumente falsos positivos e veja a Precisão cair. Depois aumente falsos negativos: a Precisão pode ficar igual enquanto Recall diminui.
04 · LIMITE DA PREVISÃO
Precisão e Recall geralmente disputam o limiar.
Em classificadores que produzem probabilidades, elevar o limiar costuma emitir menos positivos: falsos positivos podem diminuir, porém falsos negativos podem aumentar.
| Limiar | Comportamento típico | Precisão | Recall |
|---|---|---|---|
| Mais alto | Modelo exige mais confiança para dizer positivo. | Tende a subir | Tende a cair |
| Mais baixo | Modelo aceita mais candidatos como positivos. | Tende a cair | Tende a subir |