Qual alternativa abaixo sobre overfitting é verdadeira?
Overfitting é quando o modelo é pouco flexível e não consegue capturar todas a complexidad...
Qual alternativa abaixo sobre overfitting é verdadeira?
Overfitting é quando o modelo é pouco flexível e não consegue capturar todas a complexidade dos dados.
Overfitting é quando o modelo é muito flexível e não consegue generalizar apenas memoriza os dados de treino.
Overfitting ocorre quando a quantidade de dados de treino são muito além da capacidade do modelo.
Overfitting não pode ser ajustado, e portanto deve-se abandonar o tipo de modelo adotado por outro (Ex: Abandonar SVM e testar outros como Florestas Aleatórias, Redes Neurais etc.).
Overfitting indica que o modelo obteve um desempenho acima do esperado nos dados de treino.
A alternativa correta sobre overfitting é a letra B) "Overfitting é quando o modelo é muito flexível e não consegue generalizar, apenas memoriza os dados de treino."
0
0
Faça como milhares de estudantes: teste grátis o Passei Direto
Compartilhar