Pular para conteúdo

Aula 07: Overfitting e Underfitting 🎯

⚖️ O Equilíbrio da IA

  • O objetivo é a Generalização.
  • Funcionar bem com dados que a IA nunca viu!

🧠 Underfitting (Subajuste)

  • O modelo é simples demais.
  • Erra no Treino e erra no Teste.
  • Falta de estudo ou falta de dados.

🤯 Overfitting (Sobreajuste)

  • O modelo decorou os dados.
  • Acerta tudo no Treino, erra tudo no Teste.
  • Complexidade excessiva para poucos dados.

📊 Visualização

graph LR
    U["Underfit (Reta)"] --- G["Ideal (Curva)"]
    G --- O["Overfit (Zigue-zague)"]
    style G fill:#0f0,color:#fff

🛠️ Como Resolver?

  • Mais dados de treino.
  • Validacão Cruzada (Cross-Validation).
  • Simplificar o modelo.

Fim da Aula 07! 🎯👋