Fundamentos de machine learning · Evaluación de modelos

Sobreajuste y subajuste

Un modelo que memoriza los datos de entrenamiento en lugar de aprender el patrón (sobreajuste), o uno demasiado débil para siquiera aprenderlo (subajuste).

Empezar una lección sobre Sobreajuste y subajuste

Aprende antes

• Equilibrio sesgo-varianza: Un modelo demasiado simple tiene sesgo alto (subajusta); uno demasiado flexible tiene varianza alta (sobreajusta), y no se pueden minimizar ambos a la vez.

Lleva a

• Regularización (L1/L2): Penalizar los pesos grandes del modelo durante el entrenamiento para que no pueda sobreajustar memorizando el ruido.

Temas relacionados

• Regularización (L1/L2): Penalizar los pesos grandes del modelo durante el entrenamiento para que no pueda sobreajustar memorizando el ruido.
• Validación cruzada: Dividir los datos de varias formas distintas y promediar el rendimiento, para que una división afortunada o desafortunada no te engañe.