Un modelo de aprendizaje profundo está sufriendo de sobreajuste (overfitting) (bueno en el entrenamiento, pobre en datos nuevos). ¿Qué acción mejorará la generalización a datos nuevos?

El sobreajuste ocurre cuando un modelo aprende el ruido y los detalles específicos del conjunto de entrenamiento, lo que lo hace rendir mal con datos nuevos. Aumentar el tamaño del conjunto de datos de entrenamiento proporciona más ejemplos diversos, ayudando al modelo a aprender patrones generalizables en lugar de memorizar el ruido. Disminuir el número de características de entrada (selección de características) simplifica el modelo, reduciendo su capacidad para memorizar detalles irrelevantes y forzándolo a centrarse en las características más importantes, lo que mejora la generalización. Las otras opciones son incorrectas porque aumentar las características con un conjunto de datos pequeño o reducir el conjunto de datos empeoraría el sobreajuste o la capacidad del modelo para aprender.