Questão de Informática

Durante o desenvolvimento de um sistema de triagem automática de denúncias em um Ministério Público, a equipe de MLOps precisa validar o desempenho de um modelo de Árvore de Decisão antes de integrá-lo ao pipeline de produção. O código em Python abaixo mostra parte da rotina de treinamento e teste. from sklearn.tree import DecisionTreeClassifier from sklearn.model_selection import train_test_split from sklearn.metrics import accuracy_score import numpy as np X = np.array([[2, 3], [5, 10], [1, 1], [4, 8], [3, 5], [6, 12]]) y = np.array([0, 1, 0, 1, 0, 1]) X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42) arvore_decisao = DecisionTreeClassifier(max_depth=3) arvore_decisao.fit(X_train, y_train) I print("Acurácia do modelo:", round(accuracy, 2)) Sabendo que o código será executado em condições ideais, a lacuna I deve ser preenchida para avaliar corretamente o desempenho do modelo após o treinamento, com: