Machine Learning e estatística essenciais

Notas de atualização

• Ensinar split antes de tuning e aplicar preprocessing apenas com dados de treino.
• Usar stratification/grupos/tempo conforme os dados; não escolher hiperparâmetros no teste final.
• Precision/recall/F1 e ROC precisam de threshold, distribuição das classes e custo dos erros; comparar com baseline simples.
• Regressão logística é classificador; clusters não têm labels verdadeiros por definição.
• Comparar modelos com validação consistente; nenhuma família é vencedora universal.