MédiaMúltipla escolha

Questão de prática de AI-900

Um cientista de dados treina um modelo de regressão para prever preços de casas usando recursos como quartos, metragem quadrada e localização. O modelo atinge um erro baixo nos dados de treinamento, mas tem um desempenho significativamente pior quando usado para prever preços em uma nova cidade com características de propriedade diferentes. Qual conceito melhor explica esse desempenho ruim?

Escolha a melhor resposta.

Resposta correta

  • BOverfitting

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.

Por que cada alternativa está certa ou errada

A

Incorreta

Underfitting

Underfitting descreve um modelo muito simples para capturar a verdadeira estrutura dos dados de treinamento, portanto, sofre de alta tendência e produz grandes erros tanto no conjunto de treinamento quanto em residências não vistas. Neste cenário, as residências recém-encontradas não teriam um desempenho pior porque o modelo memorizou o conjunto de treinamento; em vez disso, o modelo nunca aprendeu os padrões de preços subjacentes em primeiro lugar.

B

Correta

Overfitting

O overfitting ocorre quando um modelo com capacidade excessiva aprende não apenas os padrões genuínos nos dados de treinamento, mas também seu ruído aleatório e idiossincrasias. Isso resulta em um erro de treinamento muito baixo, mas com baixa generalização, e o efeito se torna especialmente visível quando novas casas vêm de uma distribuição ligeiramente diferente, porque o ruído aprendido não corresponde mais. O sintoma descrito - bom desempenho durante o treinamento, mas desempenho degradado em novos dados - é a assinatura clássica do overfitting.

C

Incorreta

Data leakage

O data leakage ocorre quando informações de fora do conjunto de treinamento, como o valor alvo ou dados futuros, são usadas inadvertidamente durante o treinamento, inflamando a precisão aparente do modelo. Ao contrário do comportamento descrito, o leakage normalmente mostra um desempenho irrealisticamente forte durante a validação e até mesmo em alguns conjuntos de teste, mas não uma queda acentuada especificamente em novas casas, a menos que a fonte de leakage desapareça. A pergunta não dá indicação de informações alvo ou atalhos temporais vazando para os recursos de preço da casa.

D

Incorreta

Bias-variance tradeoff

O bias-variance tradeoff é uma estrutura estatística geral que decompõe o erro de previsão em bias, variância e ruído irredutível; o overfitting é uma manifestação de alta variância, enquanto o underfitting reflete um alto bias. Embora o tradeoff descreva a tensão entre a complexidade do modelo e a generalização, ele não é em si um modo de falha ou o diagnóstico mais direto para um modelo que funciona bem em dados de treinamento e mal em novos dados. O comportamento descrito é especificamente o overfitting, não o conceito mais amplo.

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.