Questão de Engenharia de Software — Inteligencia Artificial — CESPE / CEBRASPE 2024

Overfitting em Aprendizado de Máquina

Gabarito: E — Errado. A afirmação inverte o conceito de overfitting. Overfitting é um comportamento indesejável no qual o modelo se ajusta excessivamente aos dados de treinamento, capturando ruídos e particularidades, e consequentemente perde a capacidade de generalizar para novos dados. A assertividade e acurácia altas mencionadas se referem, quando muito, ao desempenho nos dados de treino, não nos novos dados. É o oposto do que a frase descreve.

Em aprendizado de máquina, busca-se um equilíbrio: o modelo deve aprender os padrões gerais (underfitting evitado) sem decorar os dados (overfitting evitado). O comportamento esperado e desejável é a boa generalização, ou seja, previsões precisas tanto nos dados de treinamento quanto em dados não vistos.

A definição correta de overfitting: quando um modelo apresenta alta acurácia nos dados de treinamento, mas baixa acurácia em dados de teste/validação. Isso indica que ele não está fornecendo previsões precisas para novos dados. Portanto, a afirmação está errada.

✅ CERTO — (não aplicável) ❌ ERRADO — Overfitting não é desejável; a descrição dada contradiz o conceito.

Gabarito: E — Errado.