¿Qué es el subajuste?

¿Qué es el subajuste?

El subajuste ocurre cuando un modelo es demasiado simple o no está suficientemente entrenado, lo que provoca que no logre aprender patrones importantes en los datos. Como resultado, tiene un rendimiento deficiente tanto en los datos de entrenamiento como en los nuevos.

Esto es como intentar aprender un idioma usando solo cinco palabras: no sabes lo suficiente para entender o responder correctamente.

Por qué es importante el subajuste

• Baja precisión en el entrenamiento: El modelo ni siquiera puede entender los datos que ve.
• Malos resultados en el mundo real: Las predicciones siguen siendo de baja calidad y poco fiables.
• Estructura del modelo demasiado simple: Se ignoran características esenciales.

Señales de subajuste

• Baja precisión tanto en los datos de entrenamiento como en los de prueba.
• Arquitectura del modelo muy pequeña que carece de capas o complejidad.
• Tiempo de entrenamiento insuficiente o no suficientes épocas.

Cómo solucionar el subajuste

• Aumentar la complejidad del modelo (más capas o parámetros).
• Entrenar durante más tiempo para permitir un aprendizaje más profundo.
• Utilizar características más significativas o mejores datos de entrenamiento.
• Reducir la regularización para que el modelo pueda aprender más detalles.