Um modelo de ML treinado no SageMaker está sofrendo de overfitting, e o conjunto de treinamento inclui características irrelevantes. Para reduzir o overfitting e diminuir a influência de características desnecessárias, qual ação o engenheiro deve tomar?

A regularização L1 (Lasso) é uma técnica eficaz para reduzir o overfitting, pois adiciona um termo de penalidade à função de custo proporcional ao valor absoluto dos coeficientes dos pesos do modelo. Isso tem o efeito de forçar alguns coeficientes a zero, realizando a seleção de características e, consequentemente, diminuindo a influência de características irrelevantes. Aumentar ou diminuir o número de iterações de treinamento pode não resolver o problema de overfitting e pode até agravá-lo. O SageMaker Debugger é uma ferramenta de monitoramento e depuração, não uma ferramenta para aplicar regularização diretamente durante a execução do modelo; a regularização L1 deve ser configurada antes do treinamento.