No modelo de Machine Learningo Overfitting ocorre quando: Alternativa A: Generaliza bem. Ou Alternativa B: Ajusta demais aos dados de treinamento. Ou Alternativa C: Os dados são balanceados. Ou Alternativa D: O modelo é simples demais. Ou Alternativa E: Regularização é aplicada.

Alternativa [B] Ajusta demais aos dados de treinamento. Gabarito: BFundamento decisivo: A decisão estava em identificar a alternativa que define overfitting, e não uma condição associada ou uma técnica de controle. Como a B traz o ajuste excessivo aos dados de treinamento, ela é a única compatível com o conceito cobrado.Tema central: Definição de overfittingAnálise das alternativasAErradaErrada porque afirma boa generalização, que é o oposto do quadro de overfitting. No overfitting, o ajuste ao treino é excessivo e a generalização fica prejudicada.BCertaA alternativa B está certa porque descreve a definição de overfitting em aprendizado de máquina: ajuste excessivo aos dados de treinamento, com prejuízo da generalização para novos dados.CErradaErrada porque balanceamento de dados não define, por si só, a ocorrência de overfitting. A alternativa trata de uma característica do conjunto de dados, não do fenômeno conceitual pedido.DErradaErrada porque modelo simples demais remete a underfitting, não a overfitting. Aqui há confusão entre insuficiência de ajuste e excesso de ajuste.EErradaErrada porque regularização é técnica de prevenção ou controle do overfitting, não a definição de quando ele ocorre. A alternativa descreve um mecanismo mitigador, não o conceito cobrado.Pegadinha da questãoA questão explorou confusões clássicas: tomar boa generalização como overfitting, confundir overfitting com underfitting e trocar a definição do problema por uma técnica de mitigação, como regularização.Dica para questões semelhantesSe a pergunta pedir a definição de overfitting, procure a ideia de ajuste excessivo aos dados de treinamento com perda de generalização.Separe conceito do problema e técnica de controle: regularização combate overfitting, mas não o define.Diferencie excesso de ajuste e insuficiência de ajuste: overfitting não é modelo simples demais; isso caracteriza underfitting.

No modelo de Machine Learningo Overfitting ocorre quando:

Próximas questões

Com base no mesmo assunto

Q3874618

Ano: 2026 Banca: FAU Órgão: Prefeitura de Verê - PR Prova: FAU - 2026 - Prefeitura de Verê - PR - Analista de Tecnologia da Informação |

Q3874618 Engenharia de Software

No modelo de Machine Learningo Overfitting ocorre quando:

Generaliza bem.

Ajusta demais aos dados de treinamento.

Os dados são balanceados.

O modelo é simples demais.

Regularização é aplicada.

Incorreta. Gabarito oficial da banca:

Veja esse conteúdo explicado passo a passo em nossos cursos. Buscar curso

teste

Parabéns! Você acertou!

Mandou bem! Revise esse tema nos nossos cursos. Buscar curso

teste

Gabarito comentado

Confira o gabarito comentado por um dos nossos professores

Gabarito: B

Fundamento decisivo: A decisão estava em identificar a alternativa que define overfitting, e não uma condição associada ou uma técnica de controle. Como a B traz o ajuste excessivo aos dados de treinamento, ela é a única compatível com o conceito cobrado.

Tema central: Definição de overfitting

Análise das alternativas

Errada

Errada porque afirma boa generalização, que é o oposto do quadro de overfitting. No overfitting, o ajuste ao treino é excessivo e a generalização fica prejudicada.

Certa

A alternativa B está certa porque descreve a definição de overfitting em aprendizado de máquina: ajuste excessivo aos dados de treinamento, com prejuízo da generalização para novos dados.

Errada

Errada porque balanceamento de dados não define, por si só, a ocorrência de overfitting. A alternativa trata de uma característica do conjunto de dados, não do fenômeno conceitual pedido.

Errada

Errada porque modelo simples demais remete a underfitting, não a overfitting. Aqui há confusão entre insuficiência de ajuste e excesso de ajuste.

Errada

Errada porque regularização é técnica de prevenção ou controle do overfitting, não a definição de quando ele ocorre. A alternativa descreve um mecanismo mitigador, não o conceito cobrado.

Pegadinha da questão

A questão explorou confusões clássicas: tomar boa generalização como overfitting, confundir overfitting com underfitting e trocar a definição do problema por uma técnica de mitigação, como regularização.

Dica para questões semelhantes

Se a pergunta pedir a definição de overfitting, procure a ideia de ajuste excessivo aos dados de treinamento com perda de generalização.
Separe conceito do problema e técnica de controle: regularização combate overfitting, mas não o define.
Diferencie excesso de ajuste e insuficiência de ajuste: overfitting não é modelo simples demais; isso caracteriza underfitting.

Clique para visualizar este gabarito

Visualize o gabarito desta questão clicando no botão abaixo

Comentários

Veja os comentários dos nossos alunos

O Overfitting (ou sobreajuste) ocorre quando o modelo de Machine Learning APRENDE / AJUSTA "demais" os dados de treinamento, a ponto de memorizar o ruído e os detalhes irrelevantes, em vez de aprender o padrão geral.

letra b)

Overfitting (sobreajuste) = Treina bem, joga mal

Underfitting (subajuste) = Treina mal e joga mal

O overfitting ocorre quando o algoritmo se ajusta demais aos dados de treinamento, memorizando ruídos e perdendo a capacidade de generalização. Um modelo simples demais caracteriza o underfitting. A regularização é uma técnica aplicada justamente para evitar o sobreajuste.

No modelo de Machine Learningo Overfitting ocorre quando:

Gabarito comentado

Gabarito: B

Clique para visualizar este gabarito

Comentários

Clique para visualizar este comentário

Questões de assuntos semelhantes

Provas relacionadas