Como perceber se um modelo está subajustado ou sobreajustado?

Para entender se um modelo está subajustado ou sobreajustado, analisa-se o comportamento do erro nos conjuntos de treino e validação:

• Subajuste (underfitting): o modelo funciona mal tanto no treino quanto na validação — erro alto em ambos. Isso significa que o modelo é demasiado simples e não consegue captar as tendências.

• Sobreajuste (overfitting): o modelo apresenta erro muito baixo no conjunto de treino, mas alto no de validação. O modelo memorizou demais os dados de treino, incluindo o ruído, e não generaliza bem.

Para o diagnóstico, costuma-se construir um gráfico da dependência do erro em relação à complexidade do modelo ou ao número de épocas de treino. O modelo ideal tem erros baixos em ambos os conjuntos.

Exemplo:

Modelo	Erro no treino	Erro na validação	Conclusão
Simples	Alto	Alto	Subajuste
Complexo	Baixo	Alto	Sobreajuste
Ótimo	Baixo	Baixo	Bom modelo

Para combater o sobreajuste, aplicam-se regularização, coleta de mais dados, simplificação do model ou métodos de parada antecipada.