Quando o modelo aprende a generalizar bem para dados não vistos.

Quando o modelo é treinado apenas com dados rotulados.

Quando o modelo se ajusta excessivamente aos dados de treinamento, perdendo capacidade de generalizar para dados novos.

Quando o modelo tem desempenho semelhante em dados de treinamento e de teste.

Quando o modelo é capaz de lidar com dados desbalanceados.