Resposta correta
Explicação
O modelo funciona bem nos dados de treinamento, mas mal em novos dados de uma cidade diferente, o que é o sintoma clássico de overfitting. O overfitting ocorre quando um modelo aprende ruído e padrões específicos nos dados de treinamento que não se generalizam para dados não vistos, especialmente quando os novos dados têm características diferentes (por exemplo, diferentes dinâmicas de mercado imobiliário). Neste caso, o modelo memorizou os padrões de preço da cidade de treinamento em vez de aprender relações generalizáveis.
Para se aprofundar
A generalização é o objetivo central do aprendizado supervisionado: um modelo de regressão para preços de moradias deve aprender a relação subjacente entre recursos e preços, e não memorizar os resultados exatos dos exemplos de treinamento. O overfitting surge quando a capacidade do modelo é grande em relação à quantidade de dados de treinamento diversos, permitindo que o modelo codifique ruído idiossincrático; isso se torna especialmente catastrófico quando os novos dados são extraídos de uma distribuição deslocada, porque os padrões de ruído ajustados não são mais aplicáveis. Um equívoco comum é que o overfitting significa apenas ter um bom desempenho em dados de treinamento, mas o diagnóstico principal é a lacuna de generalização - a diferença relativa entre os erros de treinamento e validação. A regularização, a validação cruzada e o uso de um conjunto de validação que reflita a verdadeira distribuição de implantação são defesas padrão, mas não conseguem compensar totalmente a mudança de distribuição. No cenário de preços de casas, até mesmo um modelo devidamente regularizado pode sofrer de overfitting se as novas casas forem de um bairro ou período de tempo diferente, porque o mapeamento de recursos e preços aprendido pode não ser transferido.
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.