Para prevenir o sobreajuste (overfitting) em modelos de aprendizado de máquina, é importante utilizar técnicas que ajudem a generalizar o modelo para novos dados, em vez de apenas memorizar os dados de treinamento. Vamos analisar as opções: a) Normalização dos dados - Essa técnica é importante para escalar os dados, mas não é especificamente uma técnica para prevenir o sobreajuste. b) Regularização - Esta é uma técnica amplamente utilizada para prevenir o sobreajuste, adicionando uma penalização ao modelo para evitar que ele se ajuste demais aos dados de treinamento. c) Aumento do número de features - Aumentar o número de características pode, na verdade, aumentar o risco de sobreajuste, pois o modelo pode se tornar mais complexo. d) Otimização do hiperparâmetro - Embora a otimização de hiperparâmetros seja importante, ela não é uma técnica específica para prevenir o sobreajuste. Portanto, a alternativa correta é: b) Regularização.