Un modelo de ML entrenado en SageMaker está sufriendo de overfitting, y el conjunto de entrenamiento incluye características irrelevantes. Para reducir el overfitting y disminuir la influencia de las características innecesarias, ¿qué acción debería tomar el ingeniero?

La regularización L1 es una técnica efectiva para reducir el overfitting al añadir una penalización a la suma de los valores absolutos de los coeficientes del modelo. Esto tiende a llevar los coeficientes de las características menos importantes a cero, realizando una selección de características implícita y eliminando la influencia de las características irrelevantes. Aumentar las iteraciones de entrenamiento podría empeorar el overfitting. Disminuir las iteraciones podría resultar en un modelo subentrenado. SageMaker Debugger es una herramienta de monitoreo y análisis, no para aplicar regularización directamente durante la ejecución; la regularización L1 debe configurarse antes del entrenamiento.