Questão 40 — Aprendizado de Máquina — Overfitting e Regularização (Inteligência Artificial) — Serviço de Seleção do Pessoal da Marinha (SSPM) · Marinha do Brasil 2022

Inteligência Artificial Aprendizado de Máquina — Overfitting e Regularização

Serviço de Seleção do Pessoal da Marinha (SSPM) 2022

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

Gabarito disponível

O Chefe do Departamento de Treinamento de Modelos de I.A de determinado Banco de Investimento recebe em sua sala cinco cientistas de dados (cada um com um diferente modelo treinado e desenvolvido) e verifica que todos eles possuem a mesma queixa: o comprometimento da capacidade de generalização em decorrência da problemática do overfitting. Cada opção abaixo representa um modelo desenvolvido e a respectiva proposta de solução de um dos cientistas de dados. Assim assinale a opção com a proposta INCORRETA.

Selecione uma alternativa A) Regressão Linear Composta. Retirar penalidade LASSO do modelo. B) Regressão Logística. Reduzir número de variáveis explicativas. C) Rede Neural Artificial. Aplicar técnica de early stopping. D) Rede Neural Artificial. Reduzir a quantidade de camadas de neurônios. E) Random Forest. Aumentar número de árvores de decisão.

Resolução comentada

Retirar a penalidade LASSO tende a aumentar o overfitting.

A penalidade LASSO é uma regularização que combate o overfitting. Removê-la deixa o modelo mais livre para se ajustar ao ruído, agravando o problema. Por isso A é a proposta incorreta.

Análise das alternativas

B) Reduzir variáveis diminui a complexidade. C) O early stopping interrompe o treinamento antes do sobreajuste. D) Menos camadas reduzem a capacidade do modelo. E) Mais árvores no Random Forest reduzem a variância e não causam overfitting adicional.

Referência: Aprendizado de máquina; regularização L1 (LASSO).

Resolução comentada do VaiConcursos.