Ainda que aprendizagem de máquina seja uma ferramenta poderosa para a aquisição automática de conhecimento, deve ser observado que não existe um único algoritmo que apresente o mel

Gabarito

Certo

Comentário do professor

Overturning refere-se ao fenômeno em que um algoritmo de aprendizagem fica excessivamente ajustado aos exemplos de treinamento, capturando padrões específicos e ruído desses dados em vez das relações gerais.

Na prática, isso leva a desempenho muito bom nos dados usados para treinar o modelo e desempenho ruim em dados novos: ocorre perda da capacidade de generalização.

Uma forma de identificar Overturning é observar grande discrepância entre o erro de treinamento (muito baixo) e o erro de validação/teste (elevado); trata-se de alta variância do modelo.

Para mitigar, use validação cruzada, regularização, redução da complexidade do modelo, aumento de dados ou early stopping; essas medidas ajudam a recuperar a capacidade de generalizar.