Questão de Algoritmos e Estrutura de Dados — Complexidade de Algoritmos — FGV 2025

Superadaptação (Overfitting) em Árvores de Decisão

Gabarito: letra C — superadaptação. Quando um algoritmo de árvore de decisão gera uma árvore excessivamente grande e complexa mesmo na ausência de padrões reais nos dados, estamos diante do fenômeno de overfitting (superadaptação), no qual o modelo se ajusta demasiadamente aos ruídos e particularidades do conjunto de treinamento, comprometendo a generalização. O próprio material de apoio conceitua: "Superadaptação (overfitting): o algoritmo de aprendizagem-em-árvore-de-decisão gera uma grande árvore quando realmente não há padrão a ser encontrado nos dados."

Alternativa A — ❌ Incorreta

Suposição de estacionaridade é um conceito de séries temporais que pressupõe que as propriedades estatísticas dos dados não mudam ao longo do tempo, não guardando relação com o problema descrito.

Alternativa B — ❌ Incorreta

Poda de árvore de decisão é uma técnica utilizada para evitar o overfitting, reduzindo a complexidade da árvore removendo ramos irrelevantes. Não é o problema em si, mas uma solução para ele. A banca tenta confundir o candidato trocando o nome do problema pelo nome de um dos métodos de correção.

Alternativa C — ✅ Correta ⟵ GABARITO

Superadaptação (do inglês overfitting) é exatamente o fenômeno descrito: o modelo aprende detalhes e ruídos específicos dos dados de treinamento, gerando uma árvore muito grande e com baixa capacidade de generalização, inclusive quando não há padrão subjacente.

Alternativa D — ❌ Incorreta

Hipótese nula é um conceito da estatística inferencial (teste de hipóteses), usado para verificar se há diferença significativa entre grupos. Não se aplica ao contexto de árvores de decisão.

Alternativa E — ❌ Incorreta

Hiperárvore não é um termo técnico consagrado em aprendizado de máquina para descrever esse problema. Possivelmente um distrator inventado.

Gabarito: letra C — superadaptação.