Modelos de aprendizagem de máquina são, em geral, avaliados
com métricas que indicam os quão poderosos e relevantes eles
são. Entre exemplos de métricas de avaliação utilizadas para
modelos de classificação binária, podemos citar:
• Taxa de precisão (razão entre verdadeiros positivos e o total
dos verdadeiros positivos e falsos positivos);
• Taxa de sensibilidade (razão entre verdadeiros positivos e o
total dos verdadeiros positivos e falsos negativos, também
conhecida por recall); e
• Escore F1 (F1-score, também chamado de F-measure), que
relaciona as taxas de precisão e de sensibilidade.
Suponha a existência de um modelo de classificação binária cuja
taxa de precisão é de 90,00% e cuja taxa de sensibilidade é de
75,00%. Utilize aproximação de duas casas decimais.
O escore F1 referente a esse modelo é