Overfitting: en español los podemos traducir como “sobreajuste”, se produce cuando nuestro modelo se aprende los datos de train perfectamente, por lo que no es capaz de generalizar, y cuando le lleguen nuevos datos obtendrá pésimos resultados. Formas de prevenir el overfitting:
- Dividir nuestros datos en training, validación y testing.
- Obtener un mayor número de datos.
- Ajustar los parámetros de nuestros modelos.
- Utilizar modelos más simples.
- Los datos vienen de distintas distribuciones.
- Bajar el número de iteraciones en los algoritmos iterativos.
Underfitting: en español lo podemos traducir como “infrajuste”, se produce cuando nuestro modelo no es capaz de identificar patrones. Por lo que tendrá siempre pésimos resultados. Formas de prevenir el underfitting:
- Tratar los datos correctamente, eliminando outliers y variables innecesarias.
- Utilizar modelos más complejos.
- Ajustar los parámetros de nuestros modelos.
- Aumentar las iteraciones en los algoritmos iterativos
Esto ha sido todo amigos! Si os ha gustado el artículo, no olvidéis en dejarme unas palmadas 👏👏👏 y seguirme.
