Cebraspe 2024 · Informática

Question

Em relação ao aprendizado supervisionado, ao algoritmo random forest (floresta aleatória) e a overfitting e underfitting, julgue os seguintes itens. O problema de underfitting ocorre quando o modelo não se ajusta aos dados de treinamento, enquanto o overfitting ocorre quando o modelo não se ajusta a novos dados.

C) Certo
E) Errado

Accepted Answer

Gabarito oficial: Certo. # Comentário sobre Underfitting e Overfitting

A questão trata de dois problemas fundamentais em modelos de aprendizado supervisionado, com definições precisas que merecem clareza. O gabarito está **correto** porque captura adequadamente a essência de ambos os fenômenos.

**Underfitting** ocorre quando o modelo é muito simples ou não treina o suficiente, resultando em alto viés e baixa capacidade de capturar padrões nos dados de treinamento. O modelo "subaprende" — ele não consegue se ajustar nem mesmo aos dados que viu durante o treino. Isso se manifesta em baixa acurácia tanto no conjunto de treino quanto no de teste.

**Overfitting**, por sua vez, representa o oposto: o modelo é excessivamente complexo ou treina demais, memorizando ruídos e particularidades dos dados de treinamento. Ele se ajusta perfeitamente aos dados de treino, mas falha ao generalizar para dados novos (validação/teste). A acurácia de treino é alta, enquanto a de teste é baixa.

A formulação da questão está correta: underfitting = "não se ajusta aos dados de treinamento" e overfitting = "não se ajusta a novos dados". Essa é a interpretação padrão em Machine Learning. O ponto de equilíbrio desejado é encontrar o modelo que generalize bem, evitando ambos os extremos — o que a Cebraspe premia como resposta correta.

Informática — Cebraspe 2024

Mais questões de Informática

Fonte