¿Qué es el “sobreajuste”?

“Overfitting” significa que un modelo es demasiado complejo y, como resultado, es poco fiable para predecir nuevos datos. El sobreajuste tiende a ocurrir cuando hay demasiados Drivers en relación con el número de puntos de datos disponibles. Por ejemplo: puede que solo tengas 50 filas de datos y 100 Drivers (columnas) en el conjunto de datos. El modelo predictivo puede usar todos los Drivers para elaborar una serie de reglas complicadas que funcionan bien con los datos utilizados para entrenar el modelo, cuando en realidad la Métrica predicha puede estar influenciada por solo uno o dos predictores. Como regla general, más simple es mejor. Cuantos más Drivers se introducen en un modelo, más error existe que potencialmente puede ocultar la verdadera relación subyacente que deseas descubrir.