Entrenamiento, validación y prueba

Dividir los datos correctamente es lo que separa un modelo que funciona de uno que solo memoriza.

Subajuste, buen ajuste y sobreajuste.

Los tres conjuntos

• Entrenamiento (≈70%): el modelo aprende los pesos.
• Validación (≈15%): ajustas hiperparámetros sin "ver" el examen final.
• Prueba (≈15%): evalúas el rendimiento real, una sola vez.

Overfitting vs underfitting

• Subajuste: el modelo es demasiado simple, falla en entrenamiento y en prueba.
• Sobreajuste: memoriza el entrenamiento pero generaliza mal.
• Buen ajuste: captura la señal y generaliza a datos nuevos.

Cómo combatir el sobreajuste

• Más datos o data augmentation.
• Regularización (L1/L2, dropout).
• Validación cruzada (k-fold) para estimaciones robustas.
• Parar temprano (early stopping).