Geralização
A geralização é um conceito fundamental em aprendizado de máquina e inteligência artificial, referindo-se à capacidade de um modelo de fazer previsões precisas em dados novos e não vistos, com base no aprendizado adquirido durante o treinamento. Um modelo bem generalizado consegue capturar padrões subjacentes nos dados, permitindo que ele se adapte a diferentes situações e conjuntos de dados. A eficácia da geralização é frequentemente avaliada por meio de métricas como acurácia, precisão e recall, que indicam o desempenho do modelo em dados de teste.
Overfitting
Overfitting, ou sobreajuste, ocorre quando um modelo de aprendizado de máquina se ajusta excessivamente aos dados de treinamento, capturando não apenas os padrões relevantes, mas também o ruído e as flutuações aleatórias presentes nos dados. Isso resulta em um modelo que apresenta um desempenho excepcional nos dados de treinamento, mas falha em generalizar para novos dados, levando a previsões imprecisas. Técnicas como validação cruzada, regularização e a utilização de conjuntos de dados maiores são comumente empregadas para mitigar o overfitting e melhorar a capacidade de generalização do modelo.