Para mitigar o overfitting em modelos de aprendizado de máquina, é importante adotar técnicas que ajudem a generalizar melhor o modelo em dados não vistos. Vamos analisar as opções: a) Aumentar a complexidade do modelo - Isso geralmente aumenta o overfitting, pois um modelo mais complexo pode se ajustar demais aos dados de treinamento. b) Utilizar validação cruzada - Essa é uma técnica eficaz para avaliar a performance do modelo e ajuda a identificar overfitting, permitindo ajustes mais adequados. c) Reduzir o tamanho do conjunto de dados - Isso não é uma técnica comum para mitigar overfitting e pode, na verdade, piorar a situação. d) Ignorar a regularização - Ignorar a regularização tende a aumentar o overfitting, pois a regularização é uma técnica projetada para combatê-lo. Portanto, a alternativa correta que representa uma técnica comum de mitigação de overfitting é: b) Utilizar validação cruzada.