Questão de Banco de Dados — Data Mining — CESPE / CEBRASPE 2025

Overfitting em Deep Learning

Gabarito: E (Errado). A definição apresentada inverte o conceito de overfitting. Overfitting ocorre quando o modelo apresenta alta precisão nos dados de treinamento, mas baixa precisão nos dados de teste, indicando que ele não generaliza bem. A afirmação do enunciado descreve, na verdade, o comportamento desejado de um modelo bem ajustado.

Conforme o conteúdo de apoio, overfitting é quando o modelo tem excelente desempenho nos dados de treino, mas seu desempenho se reduz em novos dados, ou seja, o modelo "decorou" os dados de treino e não generaliza.

C1: "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. [...] Dizemos que o modelo não tem boa capacidade de generalização."

Portanto, a afirmativa está Errada.

Conceito correto: Overfitting = alta precisão no treino, baixa no teste; subfitting = baixa precisão em ambos; generalização adequada = precisão similar e alta nos dois conjuntos.