Implemente uma função que possa ser usada para avaliar o desempenho de um modelo de classificação de veículos, calculando métricas como precisão, recall e F1-score.

exercicio12.py

from sklearn.metrics import precision_score, recall_score, f1_score, confusion_matrix

def avaliar_desempenho(y_true, y_pred):
    """
    Avalia o desempenho do modelo de classificação de veículos usando precisão, recall e F1-score.
    
    Parâmetros:
    y_true (list ou array): Rótulos reais (verdadeiros).
    y_pred (list ou array): Rótulos previstos pelo modelo.
    
    Retorna:
    dicionário com as métricas de precisão, recall e F1-score.
    """
    # Calcular as métricas
    precisao = precision_score(y_true, y_pred, average='binary')  # Para classificação binária (veículo ou não)
    recall = recall_score(y_true, y_pred, average='binary')
    f1 = f1_score(y_true, y_pred, average='binary')
    
    # Calcular a matriz de confusão (opcional, para melhor visualização)
    conf_matrix = confusion_matrix(y_true, y_pred)
    
    # Exibir as métricas
    print("Matriz de Confusão:\n", conf_matrix)
    print(f"Precisão: {precisao:.2f}")
    print(f"Recall: {recall:.2f}")
    print(f"F1-score: {f1:.2f}")
    
    return {"precisao": precisao, "recall": recall, "f1_score": f1}

# Exemplo de uso
y_true = [1, 0, 1, 1, 0, 1]  # Rótulos reais
y_pred = [1, 0, 0, 1, 0, 1]  # Rótulos previstos pelo modelo

resultados = avaliar_desempenho(y_true, y_pred)