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.
No ciclo de vida de um projeto de Inteligência Artificial, a avaliação do desempenho do...
No ciclo de vida de um projeto de Inteligência Artificial, a avaliação do desempenho dos modelos e o controle da generalização são etapas críticas. Após o treinamento de um modelo de aprendizado supervisionado, é fundamental garantir que ele não tenha sofrido overfitting e que as métricas escolhidas sejam adequadas ao problema.
Sobre esses conceitos, assinale a alternativa INCORRETA.
A
O overfitting (sobreajuste) é caracterizado por um modelo que "memoriza" os ruídos e detalhes específicos dos dados de treinamento, resultando em um erro baixo no treino, mas um erro elevado em dados não vistos (teste).
B
Para problemas de classificação binária, métricas como Acurácia, Precisão, Recall (Sensibilidade) e a pontuação F1-Score são ferramentas essenciais para medir a eficácia do modelo.
C
A validação cruzada (Cross-Validation) é uma técnica que auxilia na mitigação do viés de seleção dos dados, permitindo uma estimativa mais robusta da performance de generalização do modelo.
D
Em problemas de regressão, onde o objetivo é prever valores contínuos, utilizam-se métricas de erro como o Erro Médio Absoluto (MAE) e o Erro Quadrático Médio (MSE).
E
O overfitting tende a ser reduzido à medida que a complexidade do modelo aumenta, pois modelos com maior número de parâmetros conseguem ignorar os ruídos dos dados e focar apenas nos padrões estruturais de longo prazo.