1
resposta

Overfitting e Underfitting, como identificar?

A resposta do exercício sugere que uma diferença, independente da direção, representa overfitting. Isso está certo? Independente, como eu identifico o overfitting e também o underfitting?

Obrigado!

1 resposta

Não, uma diferença (independente da direção) nos coeficientes não significa automaticamente overfitting. Uma dica bem legal, pra você entender o overfitting, é ter na mente que ele acontece quando o modelo aprende demais os detalhes (incluindo o ruído) dos dados de treinamento, mas acaba ficando muito complexo e funcionando mal em novos dados.

O sintoma mais claro do overfitting não é o sinal ou a magnitude dos coeficientes, mas a diferença de desempenho entre os dados de treino e os dados de teste. Por exemplo: muito alto no treino e muito baixo no teste.

Já o underfitting, acontece quando o modelo é simples demais e não consegue capturar os padrões reais dos dados. Ele falha tanto nos dados de treino quanto nos de teste. Isso porque o modelo tem poucos parâmetros ou não está adequado ao problema.

Resumindo isso tudo, deixo essa tabela de comparação pra ti:

CaracterísticaOverfittingUnderfitting
ComplexidadeMuito altaMuito baixa
Desempenho no treinoMuito bomRuim
Desempenho no testeRuimRuim
CausaModelo complexo, muitas variáveis, ajusta o ruídoModelo simples, não captura os padrões reais

É isso... Espero que eu tenha ajudado a esclarecer melhor a diferença entre Overfitting e Underfitting.

Ícone de sugestão Para saber mais:

Sugestão de conteúdo para você mergulhar ainda mais sobre o tema:

Conte com o fórum, abraço e bons estudos!

Caso este post tenha lhe ajudado, por favor, marcar como solucionado