Un modelo XGBoost funciona bien con los datos de prueba, pero se sobreajusta y tiene un rendimiento deficiente con los datos no vistos. ¿Qué ajuste de hiperparámetros se recomienda para reducir el sobreajuste?

Disminuir el valor del parámetro maxdepth es una técnica común para reducir el sobreajuste en modelos basados en árboles, como XGBoost. Una menor profundidad del árbol limita la complejidad del modelo, impidiendo que aprenda patrones demasiado específicos o ruido de los datos de entrenamiento. Aumentar maxdepth haría que el modelo fuera más complejo, exacerbando el sobreajuste. Cambiar el objective a binary:logistic es para problemas de clasificación binaria y no aborda directamente el sobreajuste. Disminuir minchildweight haría que el modelo fuera más sensible a las muestras en los nodos hoja, lo que podría aumentar el sobreajuste en lugar de reducirlo.