Exam AWS Certified AI Practitioner AIF-C01 topic 1 question 4 discussion

Accuracy is the most straightforward metric, measuring the proportion of correctly predicted instances out of the total instances. It is suitable when the classes are balanced (but can be misleading for imbalanced datasets).

A métrica de avaliação mais apropriada para medir quantas imagens o modelo classificou corretamente em um modelo de classificação é: B. Exatidão Explicações das opções: A. Pontuação R-quadrado: usada em modelos de regressão, não em classificação. B. Exatidão (Accuracy): mede a proporção de previsões corretas em relação ao total de previsões — ideal para classificação. C. RMSE (Raiz do Erro Quadrático Médio): também usada em regressão, não em problemas de classificação. D. Taxa de aprendizado: não é uma métrica de avaliação, mas um hiperparâmetro usado durante o treinamento do modelo. Resposta correta: B. Exatidão

A exatidão (accuracy) é uma métrica apropriada para avaliar o desempenho de um modelo de classificação de imagens. Ela calcula a proporção de imagens que o modelo classificou corretamente em relação ao total de imagens avaliadas.

ccuracy is a straightforward metric that measures the percentage of correct predictions made by the model out of all predictions. Since the goal is to evaluate how many images the model classified correctly (i.e., how many plant diseases were identified correctly from photos), accuracy is the best choice for this classification task.

B. Accuracy: This metric measures the proportion of correctly classified instances out of the total number of instances. It directly addresses the question of "how many images the model classified correctly."

https://docs.aws.amazon.com/sagemaker/latest/dg/autopilot-metrics-validation.html

Accuracy for sure