Questão de Engenharia de Software — Inteligencia Artificial — CESPE / CEBRASPE 2025

Overfitting em Machine Learning

✅ CERTO. A afirmação descreve corretamente o overfitting (sobreajuste): o modelo apresenta alta precisão nos dados de treinamento, mas desempenho significativamente pior em novos dados, indicando falta de generalização.

O overfitting ocorre quando o modelo se ajusta excessivamente aos dados de treino, capturando ruídos e padrões específicos que não se repetem em novos conjuntos. Como resultado, ele “decora” os dados de treino, mas não aprende a função subjacente. Conforme o material de apoio, “o overfitting (sobreajuste) ocorre quando o modelo preditivo possui excelente desempenho em dados de treinamento, mas seu desempenho se reduz à medida que avalia os novos dados. O modelo se apresenta ineficaz para prever novos resultados. Dizemos que o modelo não tem boa capacidade de generalização.”

Já o underfitting é o oposto: o modelo não consegue aprender nem os dados de treino, apresentando erros altos tanto no treino quanto no teste.

Portanto, a afirmativa está plenamente de acordo com o conceito técnico de overfitting. Gabarito: Certo (C).