Overfitting e Underfitting

Overfitting ocorre quando o modelo memoriza os dados de treino, incluindo seu ruído, e perde a capacidade de generalizar para dados novos.

Underfitting ocorre quando o modelo é simples demais para capturar os padrões relevantes, apresentando desempenho ruim tanto no treino quanto no teste.

Técnicas de Regularização

Técnicas como regularização L1/L2, poda de árvores de decisão e dropout em redes neurais reduzem a complexidade efetiva do modelo, ajudando a evitar overfitting.

Encontrar o equilíbrio certo entre viés e variância é um dos principais objetivos ao ajustar um modelo de Machine Learning.

Questões

Exercite seu aprendizado!