Sobreajuste
Sinónimos: Overfitting
Definición ampliada
El sobreajuste, o overfitting, aparece cuando un modelo aprende detalles, ruido o peculiaridades de los datos de entrenamiento que no se mantienen en casos nuevos. Puede mostrar un rendimiento excelente en entrenamiento y, sin embargo, generalizar mal [1].
No depende solo de que el modelo sea «grande»: también influyen el tamaño y la calidad de los datos, la selección de variables, las decisiones repetidas sobre el conjunto de prueba y la diferencia entre desarrollo y uso real.
Contexto histórico
El problema es anterior al aprendizaje profundo y forma parte del estudio de la generalización estadística. El aumento de capacidad de los modelos hizo más visible la necesidad de separar datos, regularizar y validar fuera de la muestra [1].
Importancia actual
A fecha de agosto de 2026, el sobreajuste sigue siendo un riesgo central tanto en modelos pequeños como fundacionales. En salud puede quedar oculto por muestras limitadas, validaciones repetidas o datos procedentes de un solo centro.
Aplicaciones
Generales
- Diagnosticar diferencias entre rendimiento de entrenamiento y validación.
- Elegir regularización, parada temprana o simplificación del modelo.
- Diseñar evaluaciones con datos realmente independientes.
Sanitarias
- Evitar que un modelo aprenda marcas de un equipo, centro o protocolo.
- Separar pacientes, no solo registros, entre entrenamiento y evaluación.
- Exigir validación temporal y externa antes del uso clínico.
Limitaciones
- No existe una única prueba que descarte el sobreajuste.
- Un conjunto de validación reutilizado muchas veces deja de ser independiente.
- Reducir el sobreajuste no corrige por sí solo sesgo, mala calibración o cambio de distribución.
- Más datos no ayudan si reproducen el mismo sesgo o fuga de información.
Ejemplos
Un modelo de imagen puede aprender el identificador del hospital asociado a una clase diagnóstica. Su precisión interna será alta, pero caerá al evaluarlo en un centro donde esa asociación no existe.