Questão FC369880
Com relação ao ajuste de dados e a aplicação de modelos preditivos de aprendizado de máquina, analise os itens a seguir. I. O subajuste (underfitting) indica baixa capacidade predi
Inteligência Artificial (IA)
FGV · 2025
Com relação ao ajuste de dados e a aplicação de modelos preditivos de aprendizado de máquina, analise os itens a seguir.
I. O subajuste (underfitting) indica baixa capacidade preditiva do modelo para os dados de treinamento.
II. O superajuste (overfitting) impacta negativamente a capacidade de generalização do modelo.
III. A presença de ruído nos dados favorece a ocorrência de superajuste (overfitting) do modelo.
Está correto o que se afirma em
- I, apenas.
- I e II, apenas.
- I e III, apenas.
- II e III, apenas.
- I, II e III.
Mostrar resposta e comentário
Gabarito
Errado
Comentário do professor
Underfitting (subajuste) ocorre quando o modelo é demasiado simples ou pouco treinado, não conseguindo captar os padrões dos dados de treino; isso resulta em baixa capacidade preditiva já no próprio conjunto de treinamento.
Overfitting (superajuste) sucede quando o modelo se ajusta excessivamente às idiossincrasias do treino, incluindo variações não representativas; como consequência, a capacidade de generalização cai e o desempenho em dados novos piora.
A presença de ruído nos dados favorece o overfitting porque o modelo, sobretudo se muito complexo, tende a aprender esse ruído como se fosse sinal, ampliando o erro em situações reais.
Em resumo: as três afirmativas são corretas — subajuste reduz a performance no treino; superajuste compromete a generalização; e ruído facilita o superajuste. Técnicas como validação cruzada e regularização ajudam a equilibrar esse trade‑off.
Conteúdo do catálogo FC Concursos · Atualizado em