El usuario quiere entender el sobreajuste en el contexto de los fundamentos de aprendizaje automático y aplicarlo a trabajos prácticos de gobernanza o cumplimiento en IA.
El sobreajuste ocurre cuando un modelo aprende los datos de entrenamiento demasiado de cerca, incluido el ruido o detalles idiosincráticos, y rinde mal con datos nuevos. Suele indicarse por un alto rendimiento en entrenamiento pero un rendimiento más débil en validación o prueba.
Contenido en progreso
Esta respuesta se está redactando. Vuelve pronto para ver la guía completa.