Cuales serian los valores óptimos del error que nos asegure que no hubo overfitting o underfitiing?

Hey por nada, deje mis apuntes del curso en la primer clase de cada modulo.

Muchas gracias Rusbel, buen aporte

Hola Maria te recomiendo este articulo , en si no existe una formula para determinar cual es el valor del error optimo, nuestros modelos siempre deben ser generales para evitar el overfitting, pero deben ser entrenados con data de valores cualitativos y cuantitativos de la mayor cantidad/calidad posibles, siempre existira un trade off entre el bais y la varianza, y de momento este trabajo es artesanal (aunque puedes semi automatizarlo) y se base en la visualizacion de las graficas del comportamiento de nuestros modelos. te dejo un ejemplo

Para nuestro modelo recuerda que ante un escenario de underfitting la linea que traza su comportamiento tendra un Error bastante representativo al no aproximarse a los puntos de la data, mientras que en overfitting atraviesa todos.

En mi humilde punto de vista, salvo la mejor opinión de la comunidad un error del 10% o una precision que ronde el 90% es bastante adecuado, dado que inicialmente el split es 80% training 10% test y 10% validation, eso permite también al modelo ser flexible y cuando nos aproximemos al deep learning podremos utilizar nuestros modelos con el concepto de transferencia de conocimiento para poder realizar otras tareas adicionales a las que fueron entrenados.

Espero haber sido de ayuda.