Métodos De Machine Learning En Regresión Lineal (Métodos De Regularización)

Resumen

En este artículo, se pretende motivar a los investigadores sobre el uso de nuevas técnicas de ayuden a mejorar las predicciones de un modelo multivariante. Uno de los aspectos principales del entrenamiento de su modelo de aprendizaje automático es evitar el sobreajuste. El modelo tendrá una precisión baja si esta sobreajustado. Esto sucede porque un modelo se esfuerza demasiado por capturar a los puntos de datos que realmente no representan las verdaderas propiedades de sus datos, sino que son tomados al azar. El aprendizaje de estos puntos de datos hace que su modelo sea más flexible, con el riesgo de sobreajuste, ahí entra el concepto de equilibrio entre sesgo y varianza que es útil para comprender el fenómeno del sobreajuste.