Pergunta 6 Durante o desenvolvimento de modelos de machine learning, é fundamental avaliar o desempenho do algoritmo de forma confiável, garantindo que os resultados não estejam superestimados devido a uma divisão específica dos dados. Para isso, técnicas que utilizam diferentes particionamentos do conjunto de dados são amplamente empregadas. A validação cruzada (cross-validation) é utilizada na avaliação de modelos de machine learning, principalmente, porque: a. Elimina completamente o risco de overfitting no treinamento. b. Substitui a necessidade de separar dados em treinamento e teste. c. Permite obter uma estimativa mais confiável do desempenho do modelo ao utilizar diferentes subconjuntos (folds) para treino e teste. d. Garante que o modelo sempre apresente alta acurácia. e. É aplicada apenas em problemas de regressão.