Pregunta sobre el error cuadrático medio en el conjunto de entrenamiento y el conjunto de prueba

Question

Tengo dos modelos lineales generalizados M1 y M2. Dividí mis datos en entrenamiento (50%) y prueba (50%) y calculé el MSE en cada conjunto. Obtuve :

En el conjunto de entrenamiento, MSE(modelo M1) > MSE(modelo M2)

En el conjunto de pruebas, MSE(modelo M1) < MSE(modelo M2)

¿Cómo puedo elegir el mejor modelo?

Answer 1

Debería elegir M1 ya que generaliza mejor que M2 en datos que no se han utilizado para el entrenamiento. Probablemente M2 está sobreajustando, por eso da mejores resultados en datos que ya ha visto, pero peores resultados en datos a los que nunca ha estado expuesto.