73
En el campo del aprendizaje automático, dos conceptos clave que a menudo surgen durante el proceso de entrenamiento de modelos son el subajuste (underfitting) y el sobreajuste (overfitting). El subajuste ocurre cuando un modelo es demasiado simple para capturar la complejidad de los datos, lo que resulta en un rendimiento deficiente tanto en los datos de entrenamiento como en los nuevos datos. Por el contrario, el sobreajuste se produce cuando un modelo aprende los datos de entrenamiento demasiado bien, incluyendo el ruido y las variaciones aleatorias, lo que lleva a un buen rendimiento en los datos de entrenamiento pero a un rendimiento deficiente en datos nuevos.
