COMITÊ DOS MÉTODOS __ Plataforma A (7)

Prévia do material em texto

Pós Teste
Respostas enviadas em: 17/11/2023 22:55
3. Overfi�ng e underfi�ng são as duas maiores causas de má generalização dos algoritmos de aprendizado de
máquina. Os dados usados para construir um modelo são, em geral, divididos em três conjuntos: treinamento,
validação e teste. Caso exista um desbalanceamento nesse ajuste, pode-se deparar com um desses eventos.
Levando em consideração o exposto, quando ocorre o overfi�ng?
Resposta incorreta.
A. Quando um modelo predi�vo é preciso, mas leva muito tempo para ser executado;
A métrica de precisão é calculada a par�r da matriz de confusão, que também não tem relação com o
tempo de execução.
Você acertou!
B. Quando o modelo aprende detalhes dos dados de treinamento que não podem ser
generalizados para um conjunto de dados maior;
O overfi�ng ocorre quando o modelo se "superajusta" aos dados apresentados de tal forma que, quando
novos dados são inseridos, o modelo não consegue predizer com qualidade. Para evitar esse problema,
técnicas como validação cruzada podem ser u�lizadas.
Resposta incorreta.
C. Quando se executa o ajuste de hiperparâmetros e se aumenta o desempenho.
Os ajustes dos hiperparâmetros, ou seja, caracterís�cas próprias de cada modelo, podem aumentar o
diminuir seu desempenho; se aplicados corretamente, não interferem de forma a causar o overfi�ng.
 Voltar Próximo
󱀹
󰄴
3 de 5 perguntas
󰅁 󰅂
Anterior󰬩
U2󰍜 󰅀
3 de 5 perguntas
Anterior󰬩
U2󰍜 󰅀