Glossário IA
O dicionário completo da Inteligência Artificial
MSE (Erro Quadrático Médio)
Métrica que calcula a média dos quadrados dos erros, penalizando mais os grandes erros em comparação com os pequenos erros na avaliação do modelo.
RMSE (Raiz do Erro Quadrático Médio)
Raiz quadrada do MSE, fornecendo uma medida de erro na mesma unidade que a variável alvo, mantendo a penalização dos grandes erros.
R² (Coeficiente de Determinação)
Indicador estatístico que mede a proporção da variância da variável alvo explicada pelo modelo, variando entre 0 e 1 (ou negativo para modelos muito pobres).
MAPE (Erro Percentual Absoluto Médio)
Métrica que expressa o erro médio em porcentagem dos valores reais, facilitando a interpretação e comparação entre modelos ou conjuntos de dados.
RMSLE (Raiz do Erro Quadrático Médio Logarítmico)
Variante do RMSE aplicada aos logaritmos dos valores, particularmente adequada para dados com distribuição exponencial ou para reduzir o impacto de valores atípicos.
MedAE (Erro Absoluto Mediano)
Mediana dos erros absolutos, oferecendo uma medida robusta a valores aberrantes, ao contrário do MAE que usa a média.
Pontuação de Variância Explicada
Métrica que avalia a proporção da variância dos dados explicada pelo modelo, semelhante ao R² mas sem restrição sobre o viés das previsões.
Erro Quadrático Médio Logarítmico (MSLE)
Métrica que calcula a média dos quadrados dos erros logarítmicos, ideal para previsões onde os erros relativos são mais importantes que os erros absolutos.
Perda Quantílica
Função de perda assimétrica usada para prever quantis específicos da distribuição condicional, penalizando de forma diferente subestimativas e superestimativas.
Erro Absoluto Médio Escalonado (MASE)
Métrica relativa comparando o erro absoluto médio do modelo com o de um método de referência ingênuo, independente da escala dos dados.
SMAPE (Erro Percentual Absoluto Médio Simétrico)
Variante simétrica do MAPE evitando problemas de divisão por zero e oferecendo melhor equilíbrio entre superestimação e subestimação.
Erro de Viés Médio (MBE)
Métrica medindo o viés sistemático do modelo calculando a média dos erros não absolutos, indicando se o modelo tende a superestimar ou subestimar.
Erro Absoluto Relativo (RAE)
Métrica normalizada comparando o erro absoluto total do modelo com o de um preditor ingênuo, expressa como uma razão sem unidade.
Erro Quadrático Relativo Raiz (RRSE)
Raiz quadrada do erro quadrático relativo, normalizando o RMSE em relação ao erro de um modelo de referência simples.
Coeficiente U de Theil
Métrica de previsão comparativa medindo o desempenho relativo do modelo em relação a uma previsão ingênua, com U=0 indicando uma previsão perfeita.
Eficiência de Nash-Sutcliffe (NSE)
Coeficiente de eficiência variando de -∞ a 1, medindo a capacidade do modelo de prever os valores observados em relação à média das observações.
Mean Directional Accuracy (MDA)
Métrica que avalia a capacidade do modelo de prever corretamente a direção das mudanças entre observações sucessivas, crucial para aplicações financeiras.
Adjusted R²
Versão modificada do R² que ajusta a pontuação com base no número de preditores no modelo, evitando a superavaliação artificial ao adicionar variáveis.