Apa yang dimaksud dengan 2 poin "overfitting" dalam konteks Machine Learning? Model terlalu kompleks dan berkinerja buruk pada data latihan Model berkinerja baik pada data latihan dan testing Model terlalu sederhana sehingga tidak dapat mempelajari pola Model hanya dapat memprediksi satu kelas

A. Model terlalu kompleks dan berkinerja buruk pada data latihan.

Dalam melakukan pembelajaran mesin atau Machine Learning, ada beberapa masalah yang mungkin muncul dan salah satunya adalah Overfitting. Model merupakan sebuah pemetaan dari input sampai output serta dioptimalkan dengan menggunakan data latihan. Kinerja model biasanya diukur dengan menggunakan metrik pada suatu data latihan dan data tes. Kemampuan belajar sebuah model berhubungan erat dengan kompleksitas model. Penulis harus memilih jenis pertanyaan yang ditanyakan. Pilihan pertanyaannya adalah:A. Model terlalu kompleks dan berkinerja buruk pada data latihanB. Model berkinerja baik pada data latihan dan testingC. Model terlalu sederhana sehingga tidak dapat mempelajari polaD. Model hanya dapat memprediksi satu kelas.Setelah mengetahui pertanyaan ini sekarang penulis harus menemukan jawaban yang tepat.Overfitting terjadi bilamana model belajar terlalu baik pada data latihan, baik itu hingga menjelajahi karakteristik noise dan anomali yang tidka penting atau yang juga disebut sebagai variabilitas acak. Akibatnya, model ini menjadi buruk pada generalisasi pola umum yag ada dalam data latihan ketika denerapkan pada data baru atau datates.