TP 03 — Classificação de texto com sequência e atenção

1. Por que ajustar o tokenizer apenas no treino?
2. Qual forma têm os IDs para um lote B de comprimento L?
3. Qual teste revela um padding mal mascarado?
4. Por que Macro-F1 em vez de accuracy com classes raras?
5. [E] Para que serve a baseline TF-IDF diante de uma GRU?

Respostas. 1. Caso contrário, o vocabulário vaza estatísticas do teste. 2. B×L, como a máscara. 3. Adicionar padding não deve mudar a predição. 4. Cada classe pesa igualmente. 5. Ela mede se a ordem sequencial traz um ganho além das palavras presentes.