Um hospital de referência em cardiologia contratou uma equipe de cientistas de dados para desenvolver um modelo preditivo capaz de detectar doenças cardíacas com base em exames clínicos. O objetivo é auxiliar os médicos na identificação precoce de condições de risco, otimizando diagnósticos e reduzindo a necessidade de exames invasivos. Durante a fase de testes, a equipe observou diferentes comportamentos do modelo conforme os ajustes realizados, buscando melhorar o equilíbrio entre viés e variância.

Com base nos resultados apresentados, analise as afirmativas a seguir:

I. O modelo apresentou uma alta taxa de acerto nos dados de treinamento, mas uma queda expressiva de desempenho nos dados de teste, especialmente para pacientes com fatores de risco menos comuns. Esse comportamento sugere um viés reduzido, mas uma elevada variância, indicando um possível caso de overfitting, em que o modelo pode ter memorizado padrões específicos da amostra de treino sem generalizar adequadamente para novos pacientes.

II. Após reduzir a complexidade do modelo e aplicar uma técnica de regularização, a equipe percebeu que a precisão caiu consideravelmente em todas as classes, independentemente da distribuição dos fatores de risco. Esse comportamento sugere que a regularização pode ter imposto uma restrição excessiva ao modelo, aumentando o viés e levando a um caso de underfitting, em que padrões relevantes para a predição deixaram de ser considerados.

III. Diante da necessidade de equilibrar viés e variância, a equipe optou por aumentar o conjunto de dados de treinamento, aplicando técnicas de aumento de dados (data augmentation) e balanceamento da distribuição das classes. Além disso, foram ajustados hiperparâmetros como taxa de aprendizado e profundidade da arquitetura utilizada, visando maior generalização do modelo sem comprometer a capacidade de detecção de padrões sutis nos exames clínicos.

IV. O modelo final, mesmo após ajustes, manteve uma precisão elevada nos dados de teste, mas apresentou um desempenho inesperadamente inferior no conjunto de treino em relação a versões anteriores. Esse comportamento pode indicar que a estratégia de regularização aplicada tornou o modelo excessivamente conservador, reduzindo sua capacidade de aprendizado em situações mais complexas e limitando sua adaptabilidade a novos padrões.


Está correto o que se afirma em: