Questão de Ciência de Dados e Banco de Dados · CEBRASPE SUSEP 2025 (nº 54)

A regularização L2 (ridge) adiciona uma penalidade proporcional ao quadrado dos coeficientes ($\lambda \sum w_i^2$) à função de custo, o que encolhe os coeficientes em direção a zero — mas sem nunca zerá-los de fato. Já a L1 (lasso) usa o módulo ($\lambda \sum |w_i|$), e é essa forma que consegue zerar coeficientes, fazendo seleção automática de variáveis.

• Correta: Certo. Ridge encolhe (shrinkage) mas não zera; logo, mitiga overfitting sem virar seletor de variáveis — quem zera é a L1.

Fica de olho: a banca troca os papéis — diz que "L2 zera coeficientes e faz seleção de variáveis" (isso é L1) ou que "L1 apenas encolhe sem zerar" (isso é L2). Outra pegadinha comum: afirmar que ridge elimina o overfitting (não elimina, apenas mitiga) ou que a penalidade é sobre o módulo dos coeficientes (isso é lasso).