apresenta bom desempenho nos dados de treinamento, mas tem baixo desempenho nos dados de teste.

é simples demais para capturar os padrões subjacentes nos dados.

minimiza o erro nos dados de treinamento e os de teste, aumentando a correlação entre esses dois conjuntos.

oferece uma matriz de confusão para um classificador detalhando seu desempenho.

relaciona-se aos altos viés e variância do conjunto de dados.