Em aprendizado de máquina, tanto a qualidade quanto a quantidade de informações disponíveis têm impacto direto sobre o resultado do algoritmo. Há...

Em aprendizado de máquina, tanto a qualidade quanto a quantidade de informações disponíveis têm impacto direto sobre o resultado do algoritmo. Há situações em que o excesso de amostras, não necessariamente de valores parecidos, pode fazer com que o algoritmo se especialize naquele conjunto de dados e seja incapaz de generalizar suas previsões ou descrições. Essa situação é conhecida como:

A. 

overfitting.

B. 

underfitting.

C. 

maldição da dimensionalidade.

D. 

fundo de escala.

E. 

dados desbalanceados.