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, é correto citar
• a taxa de precisão (razão entre verdadeiros positivos e o total
dos verdadeiros positivos e falsos positivos);
• a taxa de sensibilidade (razão entre verdadeiros positivos e o
total dos verdadeiros positivos e falsos negativos, também
conhecida por recall); e
• o 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