Subajuste

noun

El subajuste ocurre cuando un modelo de aprendizaje automático es demasiado simple para capturar las tendencias en los datos de entrenamiento, lo que lleva a un rendimiento pobre tanto en los datos de entrenamiento como en el mundo real.

Suele suceder cuando el modelo carece de complejidad (por ejemplo, demasiados pocos parámetros o suposiciones demasiado rígidas) o cuando el entrenamiento es insuficiente. Por ejemplo, un modelo de regresión lineal aplicado a un conjunto de datos no lineales complejos subajustará.

Para los profesionales, el subajuste significa recursos desperdiciados—tiempo y potencia de cómputo invertidos en un modelo que no generaliza. Obliga a aumentar la complejidad del modelo, recopilar más datos o refinar la ingeniería de características. Ejemplo real: un chatbot entrenado en un modelo de coincidencia de palabras clave (subajuste) podría fallar al entender consultas complejas, perdiendo la confianza del usuario.

Un modelo de generación de texto formado con solo 20,000 frases produce respuestas incoherentes, sin captar matices del lenguaje.

Véase también: Overfitting

Découvrez nos autres services

ElpisIA, c’est tout un univers — explorez nos autres services.