Problemas Frecuentes en Machine Learning

Estos son los problemas más comunes que pueden surgir en el proceso de entrenar algoritmos:

- Underfitting (Subajustar) Se presenta cuando un modelo no puede capturar la tendencia de los datos. Es generalmente el resultado de un modelo extremadamente simple.
- Overfitting (Sobreajustar) Se presenta cuando un algoritmo está perfectamente adaptado a los datos con los que lo entrenamos., pero si tratamos de predecir nuevos datos , lo más probable es que nos de error.

Consejo para resolver el Underfitting:

• Se recomienda tratar de agregar más features al dataset, es decir, agregar más columnas con condiciones al modelo.

Consejos para resolver el Overfitting:

• Se recomienda disminuir la cantidad de features al dataset, es decir, quitar columnas con condiciones al modelo.
• También se recomienda agregar más ejemplos para el entrenamiento, es decir, agregar renglones con ejemplos de datos para el modelo.