Questão nº 57
Questão de TI - Ciência de Dados · FGV EPE 2024 (nº 57)
As técnicas de aprendizado supervisionado estão baseadas na determinação de modelos capazes de otimizar o mapeamento entre entradas e saídas de um conjunto de dados. Por vezes, o processo de treinamento pode gerar modelos muito complexos que "aprendem" o ruído existente nos conjuntos de dados, caracterizando o fenômeno de sobreajuste ou overfitting.
Um método que pode ajudar a mitigar a ocorrência do overfitting consiste em
I. dividir o conjunto de dados em k partes;
II. utilizar uma das partes para teste e as outras k-1 para treinamento;
III. repetir o processo para cada uma das k partes do conjunto de dados; e
IV. avaliar a média das métricas de performance para o modelo.
O método acima é chamado de
- Ak vizinhos mais próximos (k nearest neighbors ou k-NN).
- Bretropropagação (backpropagation).
- Cvalidação cruzada (cross-validation). (alternativa correta)
- Dregularização Lasso (Lasso regularization).
- Ecomitê de modelos (model ensembling).
Resposta comentada
Gabarito Alternativa C
A validação cruzada é uma técnica para avaliar o desempenho de um modelo de aprendizado de máquina de forma mais robusta, dividindo os dados em partes para treinar e testar repetidamente, garantindo que o modelo generalize bem para dados novos e não apenas para os dados de treinamento.
A) Incorreta: k vizinhos mais próximos (k-NN) é um algoritmo de aprendizado supervisionado, um tipo de modelo, e não um método de validação ou avaliação.
B) Incorreta: Retropropagação (backpropagation) é um algoritmo usado para treinar redes neurais artificiais, ajustando os pesos do modelo, e não uma estratégia de validação.
C) Correta: O método descrito, que envolve dividir o conjunto de dados em k partes, usar uma para teste e as k-1 restantes para treinamento, repetindo o processo para cada parte e avaliando a média das métricas, é a definição exata da validação cruzada (cross-validation), especificamente a validação cruzada k-fold. Este método é fundamental para mitigar o overfitting ao fornecer uma estimativa mais confiável do desempenho do modelo em dados não vistos.
D) Incorreta: Regularização Lasso (Lasso regularization) é uma técnica usada durante o treinamento de modelos (especialmente lineares) para reduzir a complexidade e prevenir o overfitting, penalizando coeficientes grandes e podendo zerar alguns, mas não é um método de validação.
E) Incorreta: Comitê de modelos (model ensembling) é uma técnica que combina as previsões de múltiplos modelos para melhorar o desempenho geral e reduzir o overfitting, mas não descreve o processo iterativo de divisão e teste de um único modelo como apresentado na questão.
Fonte: FGV EPE 2024 Analista de Gestão Corporativa - TI - Ciência de Dados (Caderno Tipo 1). Reproduzida para fins de estudo.