Está entrenando un clasificador de spam y observa sobreajuste (overfitting). ¿Cuáles de las siguientes tres acciones ayudarán a reducir el sobreajuste? (Elija tres).

El sobreajuste ocurre cuando un modelo aprende el ruido y los detalles específicos del conjunto de entrenamiento, lo que reduce su capacidad de generalización a nuevos datos. 1. Obtener más ejemplos de entrenamiento: Un conjunto de datos más grande ayuda al modelo a aprender patrones más generales en lugar de memorizar ejemplos específicos, lo que reduce el sobreajuste. 2. Usar un conjunto más pequeño de características: Reducir la dimensionalidad de los datos (selección de características) simplifica el modelo, haciéndolo menos propenso a ajustarse al ruido y a las peculiaridades del conjunto de entrenamiento. 3. Aumentar el/los parámetro/s de regularización: La regularización penaliza la complejidad del modelo, forzándolo a ser más simple y a generalizar mejor. Un parámetro de regularización más alto impone una penalización mayor, lo que ayuda a prevenir el sobreajuste. Las opciones incorrectas harían lo contrario: reducir los ejemplos de entrenamiento o aumentar las características aumentarían la probabilidad de sobreajuste, y disminuir la regularización permitiría un modelo más complejo y propenso al sobreajuste.