(Q95) Em aprendizado de máquina, não há overfitting.
A
Certo
B
Errado
Correcto
Explicación Oficial / Explicaciones de la Comunidad
A afirmação está incorreta (Errada).
O overfitting (ou sobreajuste) é um dos problemas mais comuns e desafiadores no campo do Aprendizado de Máquina (Machine Learning). Ele ocorre quando um modelo estatístico ou de machine learning se ajusta excessivamente aos dados de treinamento, "decorando" o ruído e as flutuações específicas daquela amostra, em vez de aprender o padrão geral.
Como consequência do overfitting, o modelo apresenta um desempenho excelente com os dados de treino, mas falha drasticamente ao tentar generalizar suas previsões para novos dados (dados de teste ou de produção).
Para combater o overfitting, utilizam-se diversas técnicas de regularização (como L1/L2), cross-validation (validação cruzada), dropout (em redes neurais) ou simplificação do modelo. Portanto, dizer que "não há overfitting" em aprendizado de máquina contradiz um conceito fundamental da área.
