Questão 20476 — Tecnologias da Informação

Resposta: B

Quando um modelo de aprendizado supervisionado tem um desempenho ruim tanto nos dados de treinamento quanto nos dados de teste, com erros altos em ambos os conjuntos, isso indica que o modelo não conseguiu aprender o padrão subjacente nos dados. Essa incapacidade de capturar a complexidade dos dados é conhecida como Underfitting (Subajuste). O Underfitting geralmente ocorre quando o modelo é muito simples para a complexidade do problema ou quando há um 'bias' elevado, ou seja, o modelo faz suposições simplificadoras demais. Overfitting (Sobreajuste) é o oposto, onde o modelo se ajusta muito bem aos dados de treinamento, mas falha em generalizar para novos dados, resultando em alto desempenho no treinamento e baixo no teste. Bias elevado é uma causa comum de underfitting, mas underfitting é o termo que descreve o sintoma observado.