Summary  
This chapter covers detecting and addressing overfitting and underfitting in predictive models by using a train–test split and comparing performance metrics on each subset.  

General domain of usage  
Machine learning model evaluation

## Overfitting
Overvej de to regressionslinjer nedenfor. Hvilken er bedst?

Målingerne antyder, at den anden model er bedre, så vi bruger den til at forudsige `X_new = [0.2, 0.5, 2.7]`. Men efter at have sammenlignet forudsigelserne med de faktiske værdier, klarer den første model sig bedre.

Dette sker, fordi den anden model **overfitter** — den er for kompleks og tilpasser sig træningsdataene for tæt, hvilket resulterer i manglende evne til at generalisere til nye tilfælde.

## Underfitting

**Underfitting** opstår, når en model er for simpel til selv at tilpasse træningsdataene, hvilket også fører til dårlige forudsigelser på ukendte data.

Vi kan derfor forsøge visuelt at afgøre, om modellen underfitter eller overfitter.

Da vi ikke kan visualisere højdimensionelle modeller, har vi brug for en anden metode til at opdage overfitting eller underfitting.


## Opdeling i trænings- og testdatasæt

For at estimere ydeevnen på usete data opdeles datasættet i et træningssæt og et testsæt med kendte målvariable.


Vi træner på træningssættet og beregner metrikker på både trænings- og testsættet for at sammenligne ydeevnen.



Opdelingen skal være tilfældig. Typisk går 20–30% til testdatasættet, og 70–80% bruges til træning. Scikit-learn tilbyder en nem metode til dette.


For eksempel, for at opdele træningssættet i 70% træning/30% test, kan følgende kode anvendes:
```python
from sklearn.model_selection import train_test_split # import the function
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)
```

Lineær regression er et centralt begreb inden for prædiktiv analyse. Det anvendes bredt af dataforskere, dataanalytikere og statistikere, da det er let at opbygge og fortolke, men samtidig kraftfuldt nok til mange opgaver.

Lad os begynde med den simpleste lineære regressionsmodel! Du vil lære idéen bag lineær regression og hvordan man foretager forudsigelser i Python.

De fleste virkelige forudsigelsesopgaver involverer mere end én feature. Du vil lære, hvordan man håndterer lineær regression med flere features.

En ret linje beskriver ikke altid dataene tilstrækkeligt. Lad os lære at opbygge en mere kompleks model til forudsigelse. Det er det, polynomiel regression egner sig til.

Nu hvor du ved, hvordan man opbygger flere lineære regressionsmodeller, har du brug for en metode til at vælge den bedste. Dette kan opnås ved hjælp af metrikker. Dette afsnit forklarer de mest anvendte metrikker og de udfordringer, du kan møde ved brugen af dem.