Durante o treinamento de um modelo de aprendizado de máquina, percebe-se que o modelo tem uma alta precisão no conjunto de treinamento, mas uma baixa precisão para o conjunto de novos dados.
Isso indica um(a)
A
underfitting, já que a quantidade de dados é insuficiente, resultando em alta variabilidade nos resultados e baixa precisão no conjunto de teste.
B
overfitting, já que o modelo é excessivamente ajustado aos dados de treinamento.
C
normalização incorreta dos dados, já que o modelo é muito simples para capturar as relações subjacentes nos dados.
D
escolha incorreta do algoritmo, já que isso resulta em baixa precisão no conjunto de treinamento e no conjunto de teste.
E
falta de dados suficientes, já que resulta em desempenho insatisfatório tanto no treinamento quanto no teste.
Seu próximo nível começa aqui
Seu desenvolvimento não pode ter limites. Garanta sua Assinatura
Ilimitada e libere uma
preparação completa com os melhores professores do Brasil.