Una curva de aprendizaje grafica el error del modelo, tanto en el conjunto de entrenamiento como en el de validación, a medida que se le entrena con cantidades crecientes de datos, ayudando a diagnosticar si el modelo se beneficiaría de más datos, o si su problema es de otra naturaleza.
Cómo se interpreta
Si ambas curvas convergen en un error alto, es señal de underfitting (el modelo es demasiado simple, más datos no ayudarían tanto). Si hay una brecha grande y persistente entre el error de entrenamiento (bajo) y el de validación (alto), es señal de overfitting, donde conseguir más datos suele ayudar.