Overfitting

Concept

Überanpassung eines Modells an Trainingsdaten mit schlechter Generalisierung

Overfitting tritt auf, wenn ein maschinelles Lernmodell zu stark an die Trainingsdaten angepasst ist und sich nicht gut auf neue, ungesehene Daten verallgemeinern kann. Das Modell lernt dabei nicht nur die zugrundeliegenden Muster, sondern auch zufällige Rausch- oder Ausreißerdaten in den Trainingsdaten. Dies führt zu einer hohen Genauigkeit auf den Trainingsdaten, aber zu einer schlechten Performance auf Test- oder realen Daten. Regularisierungstechniken und Cross-Validation helfen, Overfitting zu vermeiden.

Andere Schreibweisen

Überanpassung

In diesen Lernmodulen erwähnt

Quelle: AI Generated · Auto-extracted from FUTO modules: FI-DPA 13 Maschinelles Lernen — Grundlagen und Algorithmen, FI-DPA 14 ML-Pipeline — Daten, Training, Evaluation