Double descent for least-squares interpolation on contaminated data: A simulation study

Esta investigación explora el fenómeno del "doble descenso" en modelos sobreparametrizados, que permite una mejor generalización a pesar de las preocupaciones clásicas de sobreajuste. El estudio examina específicamente este efecto en la regresión lineal con datos de entrenamiento contaminados, encontrando que una sobreparametrización significativa permite el doble descenso incluso en entornos robustos.