Hola, ¿Cómo están? Me surge una duda al ver las opciones correctas de la siguiente pregunta:
¿Cuál o cuáles de las siguientes afirmaciones sobre los errores de aproximación, generalización y optimización en la inferencia mediante aprendizaje profundo son verdaderas?
Una de las respuestas correctas es: Cuanto más regular es la frontera de clasificación, más probable es que el clasificador generalice bien.
No termino de entender el por qué de esto, pregunté cuando estaba haciendo el cuestionario y me dijeron que la frase hace referencia a la frontera que aprende el clasificador y no a la frontera real que tiene el problema. El clasificador puede aprender una frontera muy regular pero que los datos que usó no eran representativos, o que la red no tenia suficiente potencia, entre otros. ¿Por qué entonces es más probable que generalice mejor en inferencia?
Gracias.