Questão de Engenharia de Software — Inteligencia Artificial — FUNDATEC 2023
Engenharia de Software›Inteligencia Artificial
Código
qq897086
Banca
FUNDATEC
Órgão
PROCERGS
Ano
2023
Nível
Superior
Cargo
ANC - Analista em Computação - Ênfase em Ciências de Dados
Para evitar overfitting, uma prática comum é randomicamente dividir a base de dados em N conjuntos de dados de tamanhos aproximadamente iguais. O modelo é treinado com N-1 conjuntos e testado com o restante. Uma medida de erro é obtida. Esse processo é repetido um total de N vezes através das várias combinações dos N conjuntos de dados. Por fim, calcula-se a média de validação dos N experimentos para se obter a estimativa de erro. Qual é o nome dessa técnica descrita e utilizada para avaliar modelos de aprendizado de máquina?
ACoeficiente de determinação (R² ).
BValidação cruzada k-fold.
CCurvas de complexidade.
DMedida F (F1).
ECurvas de aprendizado.
Revelar gabarito e comentário▾
GabaritoB — Validação cruzada k-fold.
Comentário gerado por IA. É um apoio ao estudo, ancorado em fontes, mas pode conter imprecisões — confira sempre na fonte oficial (lei, súmula, edital e gabarito da banca). Encontrou um erro? Use “Reportar”.
Validação de modelos de aprendizado de máquina
Gabarito: Letra B. A técnica descrita no enunciado é exatamente a validação cruzada k-fold (k-fold cross-validation): divide-se aleatoriamente a base em N subconjuntos (folds) de tamanhos aproximadamente iguais, treina-se o modelo com N-1 folds e testa-se com o fold restante, repetindo o processo N vezes para que cada fold seja usado uma vez como teste. A média dos erros obtidos é a estimativa de erro do modelo.
As demais alternativas referem-se a outros conceitos:
Validação de modelos ML
1Técnicas de validação
Validação cruzada k-fold
Divide em N folds
Treina em N-1
Testa no fold restante
Repete N vezes
Média dos erros
Curvas de aprendizado
Erro × tamanho do treino
Curvas de complexidade
Erro × complexidade do modelo
2Métricas de avaliação
R² (regressão)
F1-score (classificação)
Precisão + Revocação
LEVEL · soulevel.com.br
Alternativa A — ❌ Incorreta
O coeficiente de determinação (R²) é uma métrica de qualidade de regressão, não uma técnica de validação que particiona dados e repete treinamento/teste.
Alternativa B — ✅ Correta ⟵ GABARITO
Conforme explicado, a validação cruzada k-fold é exatamente o método descrito: particionamento em N folds, treino em N-1, teste no restante, repetição N vezes e média dos erros.
Alternativa C — ❌ Incorreta
Curvas de complexidade são gráficos que mostram o desempenho do modelo em função da complexidade (ex.: grau de polinômio), usadas para diagnosticar underfitting e overfitting, mas não envolvem particionamento repetido com média de erros.
Alternativa D — ❌ Incorreta
A Medida F (F1-score) é uma métrica de avaliação que combina precisão e revocação (recall), usada em classificação. Não é um método de validação com divisão e repetição de conjuntos.
Alternativa E — ❌ Incorreta
Curvas de aprendizado (learning curves) mostram o erro em função do tamanho do conjunto de treinamento, auxiliando a diagnosticar viés e variância. Não envolvem a rotação de N folds descrita.
PEGA ESSA DICA!
Lembre-se da essência da validação cruzada: "dividir em k partes, treinar em k-1, testar na parte restante, repetir k vezes, média como resultado". Esse padrão aparece frequentemente em provas; diferencie de métricas (R², F1) e de gráficos de diagnóstico (curvas de aprendizado/complexidade).