Respuesta correcta
Explicación
El modelo funciona bien en los datos de entrenamiento pero mal en los datos nuevos de una ciudad diferente, lo cual es el síntoma clásico de overfitting. El overfitting ocurre cuando un modelo aprende ruido y patrones específicos en los datos de entrenamiento que no se generalizan a datos no vistos, especialmente cuando los nuevos datos tienen características diferentes (por ejemplo, diferentes dinámicas del mercado inmobiliario). En este caso, el modelo ha memorizado los patrones de precios de la ciudad de entrenamiento en lugar de aprender relaciones generalizables.
Para profundizar
La generalización es el objetivo central del aprendizaje supervisado: un modelo de regresión para los precios de las viviendas debe aprender la relación subyacente entre las características y los precios, no memorizar los resultados exactos de los ejemplos de entrenamiento. El overfitting surge cuando la capacidad del modelo es grande en relación con la cantidad de datos de entrenamiento diversos, lo que permite al modelo codificar ruido idiosincrásico; esto se vuelve especialmente catastrófico cuando los nuevos datos provienen de una distribución desplazada, porque los patrones de ruido ajustados ya no son aplicables. Un concepto erróneo común es que el overfitting solo significa funcionar bien en los datos de entrenamiento, pero el diagnóstico clave es la brecha de generalización: la diferencia relativa entre los errores de entrenamiento y validación. La regularización, la validación cruzada y el uso de un conjunto de validación que refleje la distribución real de implementación son defensas estándar, pero no pueden compensar completamente el cambio de distribución. En el escenario de los precios de las viviendas, incluso un modelo regulizado adecuadamente podría hacer overfitting si las nuevas viviendas son de un vecindario o período de tiempo diferente, porque el mapeo de características y precios aprendido puede no transferirse.
Sobre estas preguntas de práctica
Esta es una de las preguntas de práctica originales de AI-900 de Courseiva, escrita para aprender y nunca copiada de exámenes reales ni de dumps.
Traducida del original en inglés con IA y revisada para comprobar el sentido. Los códigos de examen, los comandos y los nombres de productos se mantienen tal como aparecen en el examen.