Medidas de comparação de modelos para classes desbalanceadas

Uma das principais metodologias quando pensamos em analisar dados é a utilização de métodos de classificação, mais especificamente, de classificadores binários. Ou seja, situações em que se é necessário analisar uma série de atributos para definir se uma observação pertence à uma classe ou à outra. Apesar da existência de diversos métodos para classificadores automáticos, um problema ainda muito comum é a incapacidade deles de lidar com classes desbalanceadas. Além das dificuldades de se construir modelos com boa performance nesse cenário, outro grande agravante é conseguir mensurar a efetividade desses classificadores. Isso ocorre porque medidas que analisam a quantidade de acertos apenas, podem gerar conclusões equivocadas, sendo necessário assim expandir essa análise para a quantidade de falsos positivos, quantidade de falsos negativos e a ponderação eficiente dessas medidas. Este trabalho tem como objetivo rever as principais medidas de performance para classificadores aplicados em um estudo de simulação para avaliar o desempenho de dois métodos de classificação bastante conhecidos: Regressão Logística (RL) e Floresta Aleatória (FA), no cenário de dados desbalanceados. E com isso, compreender como as medidas se comportam e como podemos comparar mais efetivamente modelos ajustados para classes desbalanceadas.