# Scoring
Esta tarefa é dependente do **AutoML**. Para utilizá-la, é necessário ter previamente criado **pelo menos um modelo** utilizando AutoML.
A sua utilidade é aplicar o modelo a um novo conjunto de dados. Por exemplo, uma empresa precisa cobrar os seus clientes. Para isso, ela construiu um modelo preditivo (AutoML) usando o seu histórico de cobranças, pois sabe quem pagou e quem não pagou.
Agora, a empresa recebeu uma carteira de clientes no início do mês para cobrar e quer aplicar o modelo que criou para saber quem vai pagar e quem não vai pagar. Além de ter essa marcação, ela também quer saber a probabilidade (0 a 1 ou 0% a 100%) para cada cliente.
***
## Como utilizar o Scoring
***
### Acessar a Tarefa "Scoring"
No menu lateral esquerdo, na seção **Analytics**, clique em **Scoring**.
***
### Configurar os parâmetros
Preencha os seguintes campos:
* **Rótulo**: (opcional) Defina um nome para a tarefa de Scoring (e.g., `scoring`).
* **Tabela Resultado:** Defina o nome da tabela onde os resultados do Scoring serão salvos.
* **Tabela de origem**: A tabela será automaticamente vinculada a partir do bloco selecionado no fluxo.
{% hint style="info" %}
A tabela que contém a nova carteira de clientes deve possuir **exatamente as mesmas colunas** da tabela utilizada no treinamento do modelo AutoML.A única coluna que **não deve existir** é a variável resposta (target), pois é justamente isso que queremos prever agora.
Portanto:
* No AutoML, utilize apenas variáveis que estarão disponíveis posteriormente para aplicação do Scoring.
* Caso as colunas não coincidam exatamente, um erro será retornado.
{% endhint %}
***
### Selecionar o modelo treinado
Após a seção de configuração, será exibida uma lista com os modelos disponíveis. Selecione o modelo desejado (exemplo: `auto_ML`).
***
### Salvar e Executar
Clique no botão **Save**, no canto superior direito, para aplicar o modelo e gerar os resultados na tabela definida.
***
### Output
A tabela resultante conterá:
* Todas as colunas originais da tabela fonte
* Novas colunas com:
* Previsão (classe prevista)
* Probabilidade associada
* Métricas adicionais (dependendo do tipo de modelo)
#### Exemplo
Suponha que a variável resposta seja categórica com dois valores:
* `não`
* `sim`
1. Previsão da classe para cada cliente
2. Probabilidade de **não.**
3. Probabilidade de **sim.**
4. A partir da coluna `cod_cliente`, todas as demais colunas da tabela fonte são repetidas e ficam disponíveis para qualquer análise dentro do processo no Gaio.
---
# Agent Instructions: Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.
Perform an HTTP GET request on the current page URL with the `ask` query parameter:
```
GET https://docs.gaiodataos.com/gaio-dataos-portuguese/tools/tarefas/analytics/scoring.md?ask=
```
The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.
Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.