Questão 43 — Aprendizado de Máquina — Sobreajuste e Subajuste (Inteligência Artificial) — Serviço de Seleção do Pessoal da Marinha (SSPM) · Marinha do Brasil 2023

Inteligência Artificial Aprendizado de Máquina — Sobreajuste e Subajuste

Serviço de Seleção do Pessoal da Marinha (SSPM) 2023

Marinha do Brasil · Quadro Técnico do Corpo Auxiliar da Marinha (CP-T) — Informática · Caderno Amarela

Gabarito disponível

Segundo Grus (2016), os dois perigos comuns em aprendizagem de máquina são: o sobreajuste e o subajuste. Sobre esses perigos, assinale a alternativa CORRETA.

Selecione uma alternativa A) O sobreajuste ocorre quando o modelo produzido não desempenha bem nem com os dados de treino. B) O subajuste ocorre quando o modelo produzido desempenha bem com os dados de treino, mas não muito bem com dados novos. C) Modelos que são muito complexos tendem ao sobreajuste e não lidam bem com dados além daqueles com os quais foram treinados. D) Uma boa prática é fazer uma divisão de dados testes/treinamento não apenas para avaliar um modelo, mas também para escolher entre os vários modelos. E) Uma prática ruim, ao comparar modelos, é fazer uma divisão de dados considerando uma terceira parte para validação.

Resolução comentada

Modelos muito complexos tendem ao sobreajuste.

Segundo Grus, modelos muito complexos se ajustam demais aos dados de treino e não generalizam bem para dados novos, o que é sobreajuste.

Análise das alternativas

A) Desempenhar mal até no treino é subajuste. B) Ir bem no treino e mal em dados novos é sobreajuste. D) A divisão treino/teste serve para avaliar, e escolher modelos com ela contamina o teste, por isso se usa uma terceira parte. E) Usar uma parte de validação é boa prática.

Referência: GRUS, J. Data Science do Zero (2016), cap. sobre aprendizado de máquina.

Resolução comentada do VaiConcursos.