GabaritoE — Errado
Gabarito: Errado (E). A afirmação está incorreta porque o overfitting (sobreajuste) ocorre quando o modelo possui alta capacidade de representação, ajustando-se excessivamente aos dados de treinamento, e não baixa. Em redes neurais profundas com muitos parâmetros, o overfitting é justamente um problema comum, não raro.
Conforme os fundamentos de aprendizado de máquina, o overfitting está associado a alta variância (modelo complexo demais), enquanto a baixa capacidade leva ao underfitting (subajuste), que ocorre quando o modelo é simples demais e não consegue aprender nem os dados de treinamento.
No material de apoio, destaca-se: "O overfitting está relacionado a alta variância, em que os ruídos aleatórios nos dados de treinamento são modelados. Podemos dizer que o modelo é complexo demais." Já o underfitting é descrito como "modelo simples demais", com alto viés.
Portanto, a assertiva erra duplamente: (1) associa overfitting a baixa capacidade, quando é o contrário; (2) afirma que overfitting é raro em redes profundas, quando na verdade é frequente devido ao grande número de parâmetros.
A banca troca os conceitos de overfitting e underfitting. O candidato deve lembrar que overfitting = modelo complexo (alta variância), underfitting = modelo simples (alto viés).
Gabarito: Errado (E).
Link permanente: /questoes/ce229311