Pergunta

Modelos de aprendizado de máquina são amplamente utilizados para resolver problemas como reconhecimento de imagens classificação de texto e previsão de dados.No processo de desenvolvim iento desses modelos . é fundamental avaliar corretamente seu desempenho para garantir que eles sejam capazes de generalizar para novos dados e não apenas memorizar conjunto de treinamento. Um aluno desenvolveu um modelo de aprendizado de máquina para a classificação de digitos manuscritos. Quando testou o desempenho do modelo, utilizou exatamente o mesmo conjunto de dados de treino. O modelo alcançou uma acurácia de 100% Porém, ao colocá-lo em prática, ele não foi capaz de generalizar e cometeu muitos erros. Qual é o problema descrito nesta situação? A) Subajuste. B) Sobreajuste. C)Superestimação. D) Subestimação E) Erro de compilação.
Solução

4.4229 Voting

AparecidaElite · Tutor por 8 anos
Responder
resposta correta é B) Sobreajuste.<br /><br />O problema descrito nesta situação é o sobreajuste. Quando o modelo alcança uma acurácia de 100% no conjunto de treinamento, mas comete muitos erros ao ser colocado em prática, significa que o modelo está memorizando o conjunto de treinamento em vez de generalizar para novos dados. Isso ocorre quando o modelo é muito complexo e se ajusta demais aos dados de treinamento, resultando em um desempenho ruim em novos dados.
Clique para avaliar: