función real
modelo aprendido
entrenamiento
validación
Los puntos negros son datos de entrenamiento: una curva real (gris, discontinua) más ruido. Un polinomio intenta aprenderla. Los puntos naranjas son datos nuevos que el modelo nunca ve al entrenar y sirven para medir si ha aprendido la tendencia o solo ha memorizado el ruido. Sube el grado y observa qué pasa con los dos errores.
RMSE en escala logarítmica para cada grado, con los datos y la λ actuales. La curva de validación con forma de U es la firma del compromiso sesgo-varianza.
Grado 0–1 con la curva en forma de onda. El modelo es demasiado simple: falla en entrenamiento y en validación por igual. Eso es subajuste, o sesgo alto.
Grado 12–15 con 15 puntos. El error de entrenamiento se acerca a cero pero la curva se vuelve loca entre los puntos: memoriza el ruido. Varianza alta.
Deja el grado en 15 y sube los puntos a 80. Con más datos, el mismo modelo complejo ya no puede memorizar y vuelve a generalizar.
Grado 15 y sube λ. La regularización recorta los coeficientes y suaviza la curva sin reducir el grado.
Pulsa «Nuevos datos» varias veces con grado alto. La curva cambia mucho de una muestra a otra: eso es literalmente la varianza del modelo.