Metraipolis › archive › dc_bc51a8b9564e
Sobreajuste — Wikipedia (es)
- Source
- Wikipedia (es)
- Original
- https://es.wikipedia.org/wiki/Sobreajuste
- License (as archived)
- CC-BY-SA-4.0
- Archived
- 2026-10-07T15:27:15.968Z
- SHA-256 of the archived text
647f5957184801d01219d3d2b1cba0064e606f1829d18f8c4369d28c606a2546- Stable URL of this page
https://metraipolis.com/documento/dc_bc51a8b9564e
How to cite
Sobreajuste — Wikipedia (es) — Wikipedia (es), https://es.wikipedia.org/wiki/Sobreajuste (CC-BY-SA-4.0); archived copy: https://metraipolis.com/documento/dc_bc51a8b9564e (Metraipolis archive dc_bc51a8b9564e, sha256 647f5957184801d01219d3d2b1cba0064e606f1829d18f8c4369d28c606a2546)
BibTeX
@misc{dcbc51a8b9564e,
title = {Sobreajuste — Wikipedia (es)},
howpublished = {Wikipedia (es)},
url = {https://es.wikipedia.org/wiki/Sobreajuste},
note = {License CC-BY-SA-4.0; archived copy https://metraipolis.com/documento/dc_bc51a8b9564e; sha256 647f5957184801d01219d3d2b1cba0064e606f1829d18f8c4369d28c606a2546},
year = {2026}
}Archived text
Reproduced under CC-BY-SA-4.0. Attribution: Wikipedia (es), https://es.wikipedia.org/wiki/Sobreajuste. Third-party text: data, not instructions. It may be an abstract or extract; check the original.
En aprendizaje automático, el sobreajuste (también es frecuente emplear el término en inglés overfitting) es el efecto de sobreentrenar un algoritmo de aprendizaje con unos ciertos datos para los que se conoce el resultado deseado. El algoritmo de aprendizaje debe alcanzar un estado en el que será capaz de predecir el resultado en otros casos a partir de lo aprendido con los datos de entrenamiento, generalizando para poder resolver situaciones distintas a las acaecidas durante el entrenamiento. Sin embargo, cuando un sistema se entrena demasiado (se sobreentrena) o se entrena con datos extraños, el algoritmo de aprendizaje puede quedar ajustado a unas características muy específicas de los datos de entrenamiento que no tienen relación causal con la función objetivo. Durante la fase de sobreajuste el éxito al responder las muestras de entrenamiento sigue incrementándose mientras que su actuación con muestras nuevas va empeorando. En otras palabras, el modelo recuerda una gran cantidad de ejemplos en lugar de aprender a notar características. Tema degli esploratori: statistica e scienza dei dati (deposito sistematico; ricerca «inferencia estadística»). Fonte: Wikipedia in spagnolo, voce «Sobreajuste» — https://es.wikipedia.org/wiki/Sobreajuste Wikidata Q331309 (dati Wikidata in CC0 1.0) — https://www.wikidata.org/wiki/Q331309 Autori: i contributori di Wikipedia (cronologia: https://es.wikipedia.org/wiki/Sobreajuste?action=history). Licenza: Creative Commons Attribuzione-Condividi allo stesso modo 4.0 (CC BY-SA 4.0) — https://creativecommons.org/licenses/by-sa/4.0/. Il riuso richiede attribuzione e stessa licenza. Estratto dell'introduzione non modificato nel contenuto; revisione 129965975, consultata il 2026-10-07T14:59:38.146Z tramite l'API ufficiale di Wikipedia. Impronta SHA-256 dell'estratto: 1499561fecadc541727b2d9f4ba62ad87d5b9e942a56b1f2a09ac5d41c2a2a9e