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

Sobreajuste (Overfitting) x Subajuste (Underfitting)

❌ ERRADO. O item descreve, na verdade, o conceito de underfitting (subajuste), não de overfitting (sobreajuste). O sobreajuste ocorre quando o modelo se ajusta excessivamente aos dados de treinamento, aprendendo também os ruídos, e apresenta alta variância – o oposto do que afirma o enunciado. A definição correta está no campo do subajuste, relacionado ao alto viés (bias) e à incapacidade de capturar relações significativas entre entrada e saída.

A banca explora a clássica confusão entre os dois fenômenos:

• Overfitting (sobreajuste): o modelo tem desempenho excelente nos dados de treino, mas baixa performance em dados novos. Está associado a alta variância e modelo excessivamente complexo.

• Underfitting (subajuste): o modelo não consegue aprender adequadamente as relações, apresentando erros elevados tanto no treino quanto no teste. Está associado a alto viés (bias) e modelo excessivamente simples.

O enunciado afirma que "ocorre sobreajuste quando o modelo não pode determinar uma relação significativa entre os dados de entrada e saída" – isso é precisamente a definição de underfitting, não de overfitting. Além disso, a causa apontada ("não é treinado pelo período apropriado") é típica de subajuste (pouco treinamento ou modelo muito simples). Portanto, o item está incorreto.

❌ ERRADO – O item troca a definição de sobreajuste pela de subajuste.