• AO modelo de regressão logística apresenta underfitting, pois o erro de treino é baixo e o erro de teste é alto. A ação correta é aumentar a complexidade do modelo, incluindo termos de interação e polinômios, para reduzir o viés.
• BO modelo de árvore de decisão apresenta overfitting, pois o erro de treino é zero e o erro de teste é alto. A ação correta é aplicar poda (pruning) ou limitar a profundidade máxima da árvore, reduzindo a variância.
• CAmbos os modelos apresentam overfitting, pois a diferença entre erro de treino e teste é grande. A ação correta é aumentar a quantidade de dados de treino e utilizar validação cruzada para ajustar os hiperparâmetros.
• DO modelo de regressão logística apresenta overfitting, pois o erro de treino é muito baixo. A ação correta é remover a regularização L2 para aumentar a capacidade de generalização do modelo.
• EO modelo de árvore de decisão apresenta underfitting, pois o erro de treino é zero, indicando que o modelo não conseguiu capturar a complexidade dos dados. A ação correta é aumentar a profundidade da árvore.

Atalhos: A–E marca · Shift+letra corta · Enter próxima

Selecione uma alternativa pra criar sua conta e salvar o progresso.