Um modelo de deep learning está sofrendo de overfitting (bom no treinamento, ruim em novos dados). Qual ação melhorará a generalização para novos dados?

Overfitting ocorre quando um modelo aprende demais os detalhes e o ruído dos dados de treinamento, performando mal em dados novos. Aumentar o tamanho do conjunto de dados de treinamento expõe o modelo a mais exemplos, ajudando-o a aprender padrões mais gerais em vez de memorizar instâncias específicas. Diminuir o número de recursos de entrada (seleção de recursos) simplifica o modelo, reduzindo sua capacidade de memorizar ruído e focando nas variáveis mais relevantes. Combinadas, essas ações promovem a generalização. As outras opções ou reduzem a capacidade do modelo de aprender padrões (reduzir dados de treinamento) ou aumentam sua complexidade desnecessariamente (aumentar recursos com dados menores), exacerbando o overfitting.