La selección de modelos compara sistemáticamente el desempeño de distintos algoritmos —y distintas configuraciones de hiperparámetros dentro de cada uno— usando una metodología de evaluación consistente, como validación cruzada, para elegir la opción más adecuada para un problema y conjunto de datos específicos.
Por qué no existe un modelo universalmente mejor
Ningún algoritmo es el mejor para todos los problemas posibles (una idea formalizada en el llamado “teorema de no free lunch”), por lo que probar varias alternativas razonables suele ser más confiable que asumir de antemano cuál funcionará mejor para un caso particular.