Questão FC369918
Um dos principais objetivos dos algoritmos de aprendizado de máquinas é o de estabelecer um modelo que melhor descreva as relações entre variáveis de um conjunto de dados. Em algum
Inteligência Artificial (IA)
FGV · 2024
Um dos principais objetivos dos algoritmos de aprendizado de máquinas é o de estabelecer um modelo que melhor descreva as relações entre variáveis de um conjunto de dados. Em algumas situações, ao serem treinados, os modelos ajustam-se demasiadamente aos dados do conjunto, capturando até mesmo padrões relacionados aos ruídos dos dados. Esses modelos tendem a ser excessivamente complexos e a ter um mau desempenho na generalização, isto é, nas etapas em que é necessário processar novas instâncias de dados não pertencentes ao conjunto de treinamento original.
Uma maneira de mitigar esse comportamento inconveniente é usar técnicas de
- overfitting.
- backpropagation.
- incremento de dimensionalidade.
- regularização.
- underfitting.
Mostrar resposta e comentário
Gabarito
D
Comentário do professor
A regularização é a técnica usada para reduzir o overfitting ao penalizar a complexidade do modelo durante o treinamento, evitando que ele memorize ruído e padrões espúrios.
Na prática, adiciona‑se um termo de penalidade à função de custo: por exemplo, para L2 (Ridge) \(J_{reg}=J+\lambda\sum w_i^2\) e para L1 (Lasso) \(J_{reg}=J+\lambda\sum |w_i|\). O parâmetro λ controla o equilíbrio entre ajuste aos dados e simplicidade do modelo.
O efeito é o encolhimento (shrinkage) ou a seleção de variáveis (no caso de L1), o que reduz variância e melhora a generalização para novas instâncias.
Além dessas formas, em redes neurais técnicas como dropout e early stopping também funcionam como regularizadores, alcançando o mesmo propósito: modelos mais simples e robustos.
Conteúdo do catálogo FC Concursos · Atualizado em