Explora cómo la complejidad del modelo afecta el balance entre sesgo y varianza. Ajusta el grado del polinomio y observa cómo cambian los errores de entrenamiento y prueba.
Con un polinomio de grado 1 (línea recta), el modelo es muy simple y no puede capturar la complejidad de los datos. Esto se llama subajuste (underfitting) - el modelo tiene alto sesgo.
Sesgo: error por suposiciones simplificadas del modelo.
Varianza: sensibilidad del modelo a fluctuaciones en los datos de entrenamiento.
Error irreducible: ruido inherente en los datos que ningún modelo puede capturar.