Ele divide os dados em dois conjuntos: um para treinamento e outro para validação.

Ele repete o treinamento em diferentes subconjuntos dos dados para avaliar a performance do modelo.

Ele aumenta o número de variáveis de entrada para melhorar a acurácia.

Ele realiza a normalização dos dados antes do treinamento.

Ele elimina outliers para melhorar a acurácia do modelo.