Questão de Inteligência Artificial · FGV SEFAZ-AM 2022 - Prova II (nº 42)

A validação cruzada é uma técnica para avaliar a performance de um modelo de aprendizado de máquina, garantindo que ele seja testado em dados que não foram usados durante seu treinamento, para estimar sua capacidade de generalizar para novos dados.

(A) Incorreta: O erro medido sobre os mesmos dados de treinamento não reflete a capacidade do modelo de generalizar para dados novos, podendo levar a uma falsa impressão de bom desempenho (overfitting).
(B) Incorreta: Se os conjuntos de treinamento e teste contêm os mesmos dados, o modelo está sendo avaliado sobre informações que já "conhece", o que não mede sua capacidade de lidar com dados inéditos.
(C) Incorreta: Se o conjunto de treinamento contém o conjunto de testes, o modelo já teve contato com os dados de teste durante o treinamento, invalidando a avaliação de sua generalização.
(D) Incorreta: Esta configuração é ilógica para a avaliação de modelos, pois o objetivo é treinar em uma parte dos dados e testar em outra parte completamente nova.
(E) Correta: Para uma avaliação justa e representativa da capacidade de generalização do modelo, os dados usados para treinar e para testar devem ser distintos, ou seja, sem sobreposição, formando uma partição disjunta do conjunto de dados total.