Treinamento para aprendizado de máquina
Quando se treina um algoritmo de aprendizado de máquina, deseja-se que ele apresente capacidade de generalização, ou seja, capacidade de prever a classe ou o valor de objetos não usados para o seu treinamento.
Nesse contexto, indique a alternativa que explica adequadamente o processo de subajuste e sobreajuste da curva aos dados usados no treinamento:
Selecione a resposta:
A) Sobreajuste é o nome dado ao ajuste completo da curva aos dados, diminuindo a capacidade da rede de generalizar objetos futuros. Subajuste é o nome dado ao método de correção para o problema de sobreajuste, devolvendo o balanceamento da capacidade de generalização ao algoritmo.
B) Sobreajuste é o nome dado ao ajuste da curva aos dados, diminuindo a capacidade da rede de generalizar objetos futuros. Subajuste é o nome dado à construção de um modelo simplista em relação aos dados, garantindo um poder de generalização ainda maior ao algoritmo.
C) Subajuste é o nome dado ao ajuste completo da curva aos dados, diminuindo a capacidade da rede de generalizar objetos futuros. Sobreajuste é o nome dado à construção de um modelo simplista em relação aos dados, resultando em desempenho inferior durante a fase de treinamento.
D) Sobreajuste é o nome dado ao ajuste completo da curva aos dados, diminuindo a capacidade da rede de generalizar objetos futuros. Subajuste é o nome dado à construção de um modelo simplista em relação aos dados, resultando em desempenho inferior durante a fase de treinamento.
E) Sobreajuste é o nome dado à complexidade que os dados apresentados, de modo a aumentar a capacidade de generalização da rede. Subajuste é o nome dado à construção de um modelo simplista em relação aos dados, resultando em desempenho inferior mesmo durante a fase de treinamento.
