Questões de Concurso

A equipe de analistas de um órgão público está avaliando o desempenho de dois modelos de machine leaming: um modelo de classificação e outro de regressão. O modelo de classificação utiliza uma curva ROC para analisar a performance, enquanto o modelo de regressão utiliza o erro médio absoluto (MAE) como métrica principal. Durante a avaliação, a equipe percebe que o modelo de classificação está apresentando sobreajuste (overfitting). Uma Analista da equipe afirmou, corretamente, que o sobreajuste ocorre quando o modelo

(a)

é simples demais e não consegue capturar as complexidades dos dados. A curva ROC compara a acurácia geral do modelo de classificação, enquanto o MAE avalia o desempenho: quanto maior o MAE, melhor é o desempenho do modelo. Para resolver o problema de sobreajuste, deve-se aumentar o número de variáveis no modelo.

(b)

generaliza excessivamente para dados novos e não consegue se adequar aos dados do treinamento. A curva ROC é capaz de calcular o desempenho do modelo por meio da média entre verdadeiros positivos (especificidade) e falsos positivos (sensibilidade). O MAE é uma métrica de erro quadrático médio que pode ser usada para melhorar o desempenho do modelo. Para eliminar o sobreajuste, deve-se aplicar a técnica de balanceamento de dados conhecida como avaliação cruzada.

(c)

aprende os padrões específicos do conjunto de treinamento, fornecendo previsões precisas para estes dados, mas com baixo desempenho em novos dados. A curva ROC avalia a relação entre a taxa de verdadeiros positivos e falsos negativos, enquanto o MAE mede o desvio médio absoluto entre os valores previstos e os reais. Para mitigar o sobreajuste, técnicas como regularização e parada antecipada podem ser usadas.

(d)

aprende as características gerais do conjunto de treinamento, generalizando bem para dados novos. A curva ROC mede a precisão de um modelo de classificação e o MAE mede a precisão de um modelo de regressão.Para reduzir o sobreajuste, deve-se aumentar a complexidade do modelo.

(e)

não consegue aprender os padrões do conjunto de treinamento. A curva ROC mostra a relação entre a taxa de falsos positivos e a taxa de verdadeiros negativos, enquanto o MAE mede a diferença entre a previsão mais provável e o valor real. Para reduzir o sobreajuste, deve-se remover os dados desbalanceados do conjunto de treinamento.