Exercícios: Aula 07 - Overfitting e Underfitting 🎯

Domine o equilíbrio entre um modelo simples demais e um que decora os dados.

Básico

1. Conceito: Defina o que é "Generalização" no contexto de Machine Learning.
2. Identificação: Se um modelo tem um erro de 30% no treino e 32% no teste, ele está sofrendo de que problema (Assumindo que 30% é um erro alto)?

Intermediário

1. Overfitting: Explique por que ter um erro de 0% no conjunto de treino pode ser um sinal de alerta em vez de um motivo de comemoração.
2. Validação Cruzada: Como a técnica de Cross-Validation ajuda a garantir que o nosso resultado de teste é confiável e não apenas "sorte" na divisão dos dados?

Desafio

1. Cenário Real: Um banco criou uma IA para detectar fraudes. No treino, ela acertou 99.9%. Ao ser colocada no mundo real, ela deixou passar quase todas as fraudes.
   • Qual problema ocorreu (Over ou Underfit)?
   • Cite duas possíveis causas para esse comportamento (ex: dados, complexidade do modelo).
   • Sugira uma solução prática.