Nota visual 11 - Atividade Integradora - DT, KNN e SVM

Mapa de síntese

Mapa conceitual

flowchart LR
  A[Problema] --> B[Dados e representação]
  B --> C[Método]
  C --> D[Avaliação]
  D --> E[Decisão]
  classDef base fill:#e9eafb,stroke:#2435a0,color:#17215e;
  class A,B,C,D,E base;

Conceitos em sequência

  1. Protocolo experimental: Mesma base, alvo, divisão, semente e métricas; sem tuning no teste.
  2. Classe positiva: Na base Breast Cancer do scikit-learn: original 0=malignant; transformar para 1=maligno como classe positiva.
  3. Modelos: DT max_depth=4, KNN k=5 e SVM RBF com C=1 e gamma=scale.
  4. Métricas: Acurácia, precisão, recall e F1; matriz de confusão [[TN,FP],[FN,TP]].
  5. Decisão contextual: Falsos negativos podem custar mais que falsos positivos; métricas são complementares.
  6. Interpretação: Resultados de uma única partição e uma base não estabelecem superioridade universal.

Revisão de 30 segundos

O algoritmo é apenas uma parte do processo. A representação dos dados, as hipóteses do classificador e a avaliação condicionam a validade das conclusões.

Erros conceituais frequentes

  • Usar o teste para escolher parâmetros ou transformações.
  • Tratar acurácia como critério universal de qualidade.
  • Confundir descrição de um algoritmo com garantia de desempenho.

Revisão de 1 minuto

Explique o objetivo do método, as informações necessárias, uma limitação e como avaliá-lo em dados não observados.

Checklist

  • [ ] Consigo explicar os conceitos centrais sem consultar os slides.
  • [ ] Distingo treinamento, validação e teste.
  • [ ] Sei apontar a escolha metodológica específica desta aula.
  • [ ] Consigo relacionar esta aula às anteriores.

Estudo guiado