.
Overfitting e underfitting 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 overfitting?
A.
Quando um modelo preditivo é preciso, mas leva muito tempo para ser executado;
B.
Quando o modelo aprende detalhes dos dados de treinamento que não podem ser generalizados para um conjunto de dados maior;
C.
Quando se executa o ajuste de hiperparâmetros e se aumenta o desempenho.
O overfitting ocorre quando um modelo preditivo é ajustado aos dados de treinamento de tal forma que se torna muito específico para esses dados e não consegue generalizar para novos dados. Isso pode acontecer quando o modelo é muito complexo em relação ao tamanho do conjunto de dados de treinamento ou quando o conjunto de treinamento é muito pequeno em relação à complexidade do modelo. A alternativa correta é a letra B: "Quando o modelo aprende detalhes dos dados de treinamento que não podem ser generalizados para um conjunto de dados maior".
Para escrever sua resposta aqui, entre ou crie uma conta
Trabalho de Conclusão de Curso - TCC
•UNIP
Trabalho de Conclusão de Curso - TCC
•FAEL
Compartilhar