Na área de finanças, árvores de decisão ajudam a analisar crédito, avaliando se um cliente é elegível para um empréstimo ou prevendo riscos de inadimplência. Elas classificam dados de clientes com base em histórico de pagamentos, renda e outros fatores, tornando o processo mais eficiente e fundamentado. De acordo com o apresentado, sobre o aprendizado de máquina, analise o que caracteriza o problema de underfitting em um modelo treinado e assinale a alternativa correta. Questão 4Resposta A. O modelo é excessivamente complexo, ajustando-se muito bem aos dados de treinamento, mas falhando em generalizar para novos dados. B. O modelo não consegue capturar padrões suficientes nos dados, apresentando baixo desempenho tanto no conjunto de treinamento quanto nos dados de teste. C. O modelo possui um desempenho elevado no conjunto de treinamento, mas apresenta resultados insatisfatórios em novos dados. D. O modelo tem baixa variância e alta capacidade, mas ainda assim falha ao ser aplicado a novos dados. E. O modelo apresenta alta variância, refletindo resultados inconsistentes em diferentes conjuntos de teste.