Overfitting (Sobreajuste)

Es un fenómeno que ocurre cuando un modelo de inteligencia artificial o aprendizaje automático se ajusta demasiado a los datos de entrenamiento, llegando a captar incluso el ruido o las peculiaridades específicas del conjunto de datos.

Se manifiesta como una pérdida de capacidad de generalización, lo que significa que el modelo funciona muy bien en los datos utilizados para entrenarlo, pero tiene un rendimiento deficiente en datos nuevos o desconocidos.

Suele ser causado por factores como un modelo demasiado complejo, uso excesivo de parámetros o insuficiencia de datos representativos en el entrenamiento.

Para prevenirlo, se emplean técnicas como la regularización, la validación cruzada, la disminución de la complejidad del modelo, el uso de datos adicionales o la implementación de métodos como el dropout en redes neuronales.