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.
Para escrever sua resposta aqui, entre ou crie uma conta
Relações Públicas e Relações Humanas
•CEUNSP
Compartilhar