A divisão dos dados por ocasião das tarefas de aprendizado de máquina deve ser feita com todo critério técnico para evitar problemas nos modelos gerados. No ...

O modelo generaliza bem para dados novos, apresentando baixa taxa de erro tanto em dados de treino quanto em dados de teste.

O modelo se ajusta excessivamente aos dados de treino, mas apresenta baixo desempenho em dados de teste.

O modelo apresenta alto desempenho em dados de teste, mas baixo desempenho em dados de treino.

O modelo é incapaz de aprender padrões dos dados de treino, resultando em alto erro de treino e de teste.

O modelo é robusto e apresenta desempenho constante independentemente do conjunto de dados analisado.