Um modelo de classificação binária rotula produtos como "Aprovado" ou "Reprovado" e classifica os itens de acordo em uma linha de montagem. Quais métricas de avaliação devem ser usadas para avaliar o desempenho do modelo? (Escolha duas.)

Para um modelo de classificação binária como este, as métricas mais adequadas são aquelas que avaliam a capacidade do modelo de distinguir entre as duas classes. Precisão e recall são cruciais. Precisão mede a proporção de verdadeiros positivos entre todos os positivos previstos, enquanto recall mede a proporção de verdadeiros positivos entre todos os positivos reais. Acurácia mede a proporção de previsões corretas em relação ao total de previsões, sendo uma boa métrica geral. O F1-score é a média harmônica de precisão e recall, útil quando há um desequilíbrio entre as classes ou quando falsos positivos e falsos negativos têm custos diferentes. RMSE e MAPE são para modelos de regressão, não classificação. BLEU e Perplexidade são para processamento de linguagem natural.