Um engenheiro de ML precisa prever os preços de apartamentos para um determinado local. Qual métrica de avaliação é apropriada para medir o desempenho preditivo do modelo?

Mean Absolute Error (MAE) é a métrica apropriada porque a previsão de preços de apartamentos é um problema de regressão, onde o objetivo é prever um valor numérico contínuo. O MAE mede a magnitude média dos erros em um conjunto de previsões, sem considerar a direção. Accuracy (Acurácia) é usada para problemas de classificação, onde o modelo prevê uma categoria discreta, não um valor contínuo. Area Under the ROC Curve (AUC) também é uma métrica para problemas de classificação, avaliando a capacidade do modelo de distinguir entre classes. F1 score é outra métrica para classificação, que combina precisão e recall, sendo inadequada para regressão.