MédiaMúltipla escolha

Questão de prática de AI-900

Um cientista de dados treina um modelo de classificação em um conjunto de dados de 10.000 e-mails rotulados para distinguir spam de não spam. O modelo atinge 99% de acurácia nos dados de treinamento, mas apenas 70% de acurácia em um conjunto de teste reservado. Qual termo melhor descreve esta situação?

Escolha a melhor resposta.

Resposta correta

  • BB) Overfitting

Explicação

O modelo tem um desempenho excepcional nos dados de treinamento (99% de acurácia), mas ruim em dados de teste não vistos (70% de acurácia), o que é o sintoma clássico de overfitting (superajuste). O overfitting ocorre quando o modelo aprende ruído e padrões específicos no conjunto de treinamento em vez de generalizar para novos dados, frequentemente devido a uma complexidade excessiva do modelo ou regularização insuficiente.

Por que cada alternativa está certa ou errada

A

Incorreta

A) Underfitting

Underfitting significa desempenho ruim em ambos os dados de treinamento e de teste, enquanto aqui a acurácia de treinamento é de 99%. Estaria correto se o modelo tivesse pontuado, digamos, 65% no treinamento e 63% no teste, indicando que falhou em aprender o padrão subjacente.

B

Correta

B) Overfitting

Overfitting ocorre quando um modelo memoriza os dados de treinamento, incluindo ruído, de modo que se ajusta aos 10.000 e-mails de treinamento quase perfeitamente, mas generaliza mal para dados não vistos. A lacuna de acurácia de 99% de treinamento versus 70% de teste é a assinatura clássica deste problema de variância, e não underfitting ou um problema de desbalanceamento de dados.

C

Incorreta

C) Bias-variance tradeoff

O trade-off entre viés e variância (bias-variance tradeoff) descreve o equilíbrio geral entre underfitting e overfitting, não o fenômeno específico de alta acurácia de treinamento com baixa acurácia de teste. Estaria correto se a questão perguntasse sobre o ajuste da complexidade do modelo em vez de nomear a lacuna observada.

D

Incorreta

D) Regularization

A regularização é uma técnica que penaliza a complexidade do modelo para reduzir o overfitting; não é o termo que descreve a lacuna em si. Seria a resposta correta se a questão perguntasse como mitigar a discrepância de 99% versus 70%.

Para se aprofundar

Overfitting ocorre quando um modelo captura ruído e idiossincrasias do conjunto de treinamento em vez do sinal subjacente, de modo que a acurácia de treinamento sobe enquanto a generalização fica defasada. Com 10.000 e-mails e um classificador de alta capacidade, a rede pode memorizar combinações raras de tokens que se correlacionam com rótulos apenas por acaso, produzindo a lacuna de 99% versus 70%. A decomposição de viés e variância molda isso como baixo viés e alta variância: o modelo se ajusta de perto aos dados de treinamento, mas suas previsões mudam acentuadamente entre reamostragens. Os remédios incluem regularização (L2, dropout), parada precoce (early stopping) em uma divisão de validação, redução da capacidade do modelo ou aumento de dados. Em uma implantação de filtro de spam, tal modelo classificaria incorretamente e-mails legítimos cuja redação se assemelha ao spam de treinamento, prejudicando a entregabilidade.

Sobre estas questões de prática

Esta é uma das questões de prática originais de AI-900 da Courseiva, escrita para o aprendizado e nunca copiada de provas reais nem de dumps.

Traduzida do original em inglês com IA e conferida quanto ao sentido. Códigos de exame, comandos e nomes de produtos são mantidos como aparecem na prova.