El sobreajuste significa que un modelo memoriza sus ejemplos de entrenamiento y funciona mal con casos nuevos.
Ejemplo
Un modelo reconoce perfectamente todas las fotos del entrenamiento, pero falla con fotos con otra luz.
Para profesionales
Se detecta cuando el error en los datos de prueba sube mientras baja en los de entrenamiento. Remedios: más datos y más variados, regularización y detener antes el entrenamiento. Los benchmarks también pueden «sobreajustarse» si sus preguntas llegan a los datos de entrenamiento.
