Em aprendizado de máquina, underfitting (subajuste) e
overfitting (sobreajuste) são problemas que afetam o
desempenho dos modelos. Considerando as definições
apresentadas, assinale a alternativa que descreve a diferença
entre esses dois problemas.

Question

Em aprendizado de máquina, underfitting (subajuste) e
overfitting (sobreajuste) são problemas que afetam o
desempenho dos modelos. Considerando as definições
apresentadas, assinale a alternativa que descreve a diferença
entre esses dois problemas. Alternativa A: Underfitting ocorre quando o modelo se ajusta
excessivamente aos dados de treinamento, enquanto
overfitting ocorre quando o modelo não aprende o
suficiente e generaliza bem para novos dados. Ou Alternativa B: Overfitting acontece quando o modelo é muito simples e
não consegue capturar padrões nos dados, enquanto
underfitting ocorre quando o modelo é muito complexo e
memoriza os dados de treinamento. Ou Alternativa C: Underfitting ocorre quando o modelo é muito simples e não
consegue capturar padrões nos dados, enquanto
overfitting ocorre quando o modelo memoriza os dados de
treinamento e tem baixo desempenho em novos dados. Ou Alternativa D: Underfitting e overfitting são problemas opostos, mas
ambos ocorrem apenas quando os dados de treinamento
contêm ruídos ou inconsistências. Ou Alternativa E: Underfitting e overfitting são sinônimos e indicam que um
modelo está generalizando mal os dados de teste,
independentemente da complexidade do modelo.

Qconcursos · Accepted Answer

Alternativa [C] Underfitting ocorre quando o modelo é muito simples e não
consegue capturar padrões nos dados, enquanto
overfitting ocorre quando o modelo memoriza os dados de
treinamento e tem baixo desempenho em novos dados. Alternativa correta: C

1. Tema central da questão
A questão trata sobre underfitting (subajuste) e overfitting (sobreajuste), problemas fundamentais no aprendizado de máquina. Saber distinguir esses conceitos é essencial para quem presta concursos na área de engenharia de software e inteligência artificial.

2. Resumo teórico

Underfitting ocorre quando um modelo é muito simples para capturar os padrões dos dados, resultando em baixo desempenho tanto nos dados de treinamento quanto nos de teste. Já o overfitting acontece quando o modelo é muito complexo e aprende não só os padrões, mas também os ruídos dos dados de treinamento, obtendo baixo desempenho em dados novos. O objetivo é encontrar um equilíbrio, promovendo boa generalização.

Fonte: Aurélien Géron, "Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow".

3. Justificativa da alternativa correta (C)

A alternativa C está correta ao afirmar que underfitting ocorre quando o modelo é muito simples e não aprende os padrões dos dados, enquanto overfitting ocorre quando o modelo memoriza os dados de treinamento e tem baixo desempenho em novos dados. Essa descrição expressa, de forma precisa, o problema de subajuste e sobreajuste, alinhada à literatura técnica.

4. Análise das alternativas incorretas

A – Inverte os conceitos: underfitting não é excesso de ajuste, e overfitting não significa generalizar bem.
B – Confunde os termos: overfitting não é causado por modelos simples, nem underfitting por modelos complexos.
D – Afirma erroneamente que esses problemas só ocorrem com dados ruidosos, o que não é verdade.
E – Diz que são sinônimos, o que é incorreto; são opostos quanto à relação entre modelo e dados.

5. Estratégias de interpretação

Ao ler questões desse tipo, identifique palavras-chave como "modelo simples", "captura de padrões", "memoriza os dados". Fique atento às inversões e generalizações excessivas. Questões de IA costumam trazer pegadinhas trocando os conceitos de underfitting e overfitting, como visto aqui.

Gostou do comentário? Deixe sua avaliação aqui embaixo!

🚀 Mais performance?

🚀 Mais performance?

Em aprendizado de máquina, underfitting (subajuste) e overf...

Gabarito comentado

Clique para visualizar este gabarito

Comentários

Clique para visualizar este comentário

Questões de assuntos semelhantes

Provas relacionadas