Clicked Gallery

Overfitting vs. underfitting: qual é a diferença?

Subrayado en un documento técnico real. Explicado por Clicked.

Usado numa frase

Engineering Notes · AI Systems

The model memorized the training set perfectly but failed on real test data, displaying classic signs of overfitting.

O leitor sublinhou uma palavra na documentação. O Clicked explicou o termo técnico «overfitting» em termos simples:

Explicado em três níveis

Os mesmos fatos, outra vibe — Modo slang 😎

O método Clicked

●○○

Overview

Overfitting é um modelo aprender os dados de treinamento com especificidade demais, ruído incluído, então ele gabarita o treinamento e tropeça em qualquer coisa nova. Underfitting é o oposto: um modelo simples demais para aprender o padrão, então falha em todo lugar.
●○○

Overview

Overfitting: o modelo não aprendeu a matéria, decorou o gabarito — manchas de café incluídas. Underfitting: ele nem abriu o livro. Os dois rodam na vida real; só rodam de jeitos diferentes. 😎

Uma ideia rápida — muitas vezes é tudo de que você precisa.

●●○

Detail

O sinal denunciador é a diferença entre dois números: a nota do modelo nos dados em que treinou e a nota em dados reservados que ele nunca viu. Underfitting pontua mal nos dois, porque o modelo nunca capturou o padrão. Overfitting pontua excelente nos dados de treinamento e claramente pior nos reservados, tendo decorado o material de estudo em vez de aprender a matéria. Overfitting vem de complexidade demais no modelo, dados de menos ou treinamento longo demais; underfitting, de um modelo simples demais ou alimentado com entradas fracas. As correções espelham as causas: mais dados, regularização ou um modelo mais simples contra o overfitting; um modelo mais rico ou entradas melhores contra o underfitting. Uma distinção para manter em ordem: esses são os sintomas nas notas, enquanto viés alto e variância alta são os diagnósticos por trás deles.
●●○

Detail

Como você pega no flagra: compare duas notas. Noventa e nove por cento nas questões que ele estudou e 60% em questões que nunca viu — essa diferença é a confissão de que decorou em vez de aprender. Mediano nos dois? Então nunca aprendeu nada, para começo de conversa. As correções são pura criação de filho: para o decorador, mais exemplos, um fim às viradas de noite e menos capacidade de decoreba; para o folgado, um cérebro maior, mais tempo de estudo, material melhor. E a regra de ouro da área inteira: nunca avalie um modelo com questões que ele já viu. 😎

Quer mais? Um clique aprofunda.

●●●

Analogy

Aprender a dirigir só na garagem de casa: cada rachadura e lombada decoradas, cada manobra impecável, e aí a rodovia vira o caos, porque você aprendeu a garagem, não a dirigir. Isso é overfitting. Underfitting é ter tido uma única aula vaga — o carro anda quando o pedal é pressionado — que falha na garagem e na rodovia igualmente.
Deepest level reached.
●●●

Analogy

A lenda do karaokê que aprendeu exatamente UMA música, foneticamente: perfeita nota a nota toda sexta à noite, mas peça qualquer outra — ou a mesma música em outro tom — e ela desaba em estática. Enquanto isso, o cara do underfitting só cantarola vagamente por cima de tudo. Nenhum dos dois sabe cantar de verdade.
Deepest level reached.

Conceito novo? Um exemplo do dia a dia faz clicar — novas analogias quando quiser.

Explicações de IA podem conter erros · Não é aconselhamento profissional

Definição formal — O mesmo termo, explicado da forma habitual

Overfitting designa um modelo que captura o ruído específico da amostra nos dados de treinamento, alcançando erro de treinamento baixo mas generalização degradada; underfitting designa capacidade ou treinamento insuficientes para capturar o sinal subjacente, produzindo erro elevado tanto no treinamento quanto nos dados reservados. A detecção se apoia na divergência entre o desempenho de treinamento e o de validação. As mitigações incluem regularização, parada antecipada, aumento de dados e redução de capacidade para o overfitting, e aumento de capacidade do modelo, treinamento estendido e melhor representação de atributos para o underfitting.

Quer que o Clicked explique termos como «overfitting» direto no seu navegador, até em PDFs?

Adicionar ao Chrome — Grátis

50 explicações grátis · Sem cartão de crédito