Vamos analisar as alternativas uma a uma: a) Reduzir erros de predição - A ortogonalidade pode ajudar a reduzir a correlação entre características, o que pode levar a uma melhor generalização e, consequentemente, a uma redução nos erros de predição. b) Aumentar a complexidade dos modelos - A ortogonalidade não é usada para aumentar a complexidade, mas sim para simplificar a relação entre variáveis. c) Diminuir a eficiência do treinamento - Isso não é correto, pois a ortogonalidade geralmente ajuda a melhorar a eficiência do treinamento ao evitar redundâncias. d) Ampliar o espaço de características - Embora a ortogonalidade possa ajudar a organizar melhor as características, o foco principal não é necessariamente ampliar o espaço, mas sim melhorar a relação entre as características. Diante dessa análise, a alternativa correta é: a) Reduzir erros de predição.