Sobreajuste: el modelo aprende detalles y ruido de los datos de entrenamiento en lugar de patrones generales, y rinde peor con datos nuevos. Se detecta cuando el error en entrenamiento sigue bajando mientras el de validación sube. Un clasificador que aprende que todas las reseñas negativas del corpus mencionan una marca concreta está sobreajustado.
Términos cercanos
Para leer más: scikit-learn.org