Esta podría ser una pregunta básica: ¿Cuál es la diferencia entre sesgo y falta de equipamiento? Y, de manera análoga, ¿cuál es la diferencia entre la varianza y el sobreajuste? ¿Los términos de cada par significan lo mismo? Sí no, ¿Cuál es la diferencia?
Respuestas:
No significan exactamente lo mismo, pero están correlacionados de la siguiente manera:
El ajuste excesivo ocurre cuando el modelo captura el ruido y los valores atípicos en los datos junto con el patrón subyacente. Estos modelos suelen tener una alta varianza y un bajo sesgo. Estos modelos suelen ser complejos como árboles de decisión, SVM o redes neuronales que son propensos a un sobreajuste.
El ajuste insuficiente ocurre cuando el modelo no puede capturar el patrón subyacente de los datos. Estos modelos suelen tener una baja varianza y un alto sesgo. Estos modelos suelen ser simples y no pueden capturar los patrones complejos en los datos, como las regresiones lineales y logísticas.