Questão FC369872
Marcelo, auditor especializado em Análise de Dados, está estudando o uso de algoritmos de aprendizado de máquina (Machine Learning) para a detecção de fraudes em contas públicas. C
Inteligência Artificial (IA)
FGV · 2025
Marcelo, auditor especializado em Análise de Dados, está estudando o uso de algoritmos de aprendizado de máquina (Machine Learning) para a detecção de fraudes em contas públicas. Como parte de seus experimentos, ele dividiu seu conjunto de dados em treinamento e teste. Após treinar um modelo, percebeu que os resultados apresentavam indícios de underfitting.
O underfitting ocorre
- quando o modelo se ajuste bem ao conjunto de treinamento, mas acaba por capturar não apenas os padrões, mas também os ruídos, comprometendo sua capacidade de generalização.
- apenas quando o conjunto de treinamento não contém exemplos de todas as classes, prejudicando o desempenho do modelo em classes minoritárias.
- quando o modelo não consegue capturar adequadamente os padrões nos dados do conjunto de treinamento, resultando em um desempenho insuficiente.
- quando a taxa de aprendizado do modelo é muito baixa, prolongando por exemplo o tempo necessário para que o modelo convirja.
- quando o modelo apresenta uma complexidade muito maior do que o necessário, levando por exemplo ao uso ineficiente de recursos computacionais.
Mostrar resposta e comentário
Gabarito
Certo
Comentário do professor
Underfitting ocorre quando o modelo não consegue representar as relações presentes no conjunto de treinamento, apresentando desempenho fraco já nessa fase. Em termos práticos, o algoritmo não aprendeu padrões úteis e, portanto, não há sequer o que generalizar para dados novos.
Esse quadro costuma refletir alto viés: modelos muito simples, pouco dados informativos, features insuficientes ou regularização excessiva impedem a captura de regularidades relevantes.
Detecta‑se observando métricas baixas no próprio treino (por exemplo, acurácia/recall reduzidos) e curvas de aprendizagem com pontuação de treino estagnada em valor baixo.
Para corrigir: aumentar a complexidade do modelo, enriquecer os dados/realizar engenharia de atributos, reduzir regularização ou treinar com mais dados até o modelo conseguir aprender os padrões esperados.
Conteúdo do catálogo FC Concursos · Atualizado em