

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.
Segundo Grus (2016), os dois perigos comuns em aprendizagem de máquina são: o sobreajuste e o subajuste. Sobre esses perigos, assinale a alternativa CORRETA.
O sobreajuste ocorre quando o modelo produzido não desempenha bem nem com os dados de treino.
O subajuste ocorre quando o modelo produzido desempenha bem com os dados de treino, mas não muito bem com dados novos.
Modelos que são muito complexos tendem ao sobreajuste e não lidam bem com dados além daqueles com os quais foram treinados.
Uma boa prática é fazer uma divisão de dados testes/treinamento não apenas para avaliar um modelo, mas também para escolher entre os vários modelos.
Uma prática ruim, ao comparar modelos, é fazer uma divisão de dados considerando uma terceira parte para validação.