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.

B) overfitting , já que o modelo é excessivamente ajustado aos dados de treinamento.

Durante o treinamento de um modelo de aprendizado de m...

Responda: 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 ...

1Q1034688 | Geografia, Cartografia, Analista de Pesquisa Energética, EPE, FGV, 2024

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.