Es un fenómeno en el que un modelo de aprendizaje automático se ajusta demasiado a los datos de entrenamiento, capturando el ruido y las características específicas de los datos de entrenamiento en lugar de aprender
patrones generales. Esto puede llevar a un rendimiento deficiente en datos nuevos o no vistos. El overfitting puede ocurrir cuando un modelo es demasiado complejo en relación con la cantidad de datos disponibles o cuando se entrena durante demasiadas iteraciones.