Los datos de entrenamiento para modelos de comportamiento de usuario que predicen dimensiones subjetivas de la percepción visual suelen ser demasiado escasos para que los métodos de aprendizaje profundo sean aplicables. Con los conjuntos de datos típicos en HCI limitados a miles o incluso cientos de registros, los enfoques basados en características siguen siendo ampliamente utilizados en el análisis visual de interfaces de usuario gráficas (UIs). En nuestro artículo, comparamos la precisión predictiva de los dos tipos de modelos de redes neuronales (NN) y exploramos los efectos del número de características y el volumen del conjunto de datos. Para ello, utilizamos dos conjuntos de datos que comprendían más de 4000 capturas de pantalla de páginas web, evaluadas por 233 sujetos según las dimensiones subjetivas de Complejidad, Estética y Orden. Con los datos experimentales, construimos y entrenamos 1908 modelos. Las NN basadas en características demostraron un error cuadrático medio (MSE) un 16,2% mejor que las NN convolucionales (una arquitectura GoogLeNet modificada); sin embargo, la precisión de las CNN mejoró con un mayor volumen de datos del conjunto, mientras que la de las ANN no lo hizo: por lo tanto, siempre que el efecto de más datos en la mejora del error de los modelos sea lineal, las CNN deberían volverse superiores en tamaños de conjunto de datos superiores a 3000 UIs. Inesperadamente, agregar más características a los modelos de NN hizo que el MSE aumentara en un 1,23% de alguna manera: aunque la diferencia no fue significativa, esto confirmó la importancia de una ingeniería de características cuidadosa.