Zurück zum Glossar
Overfitting (Überanpassung)
Grundlagen
Modell lernt Rauschen; Leistung auf neuen Daten sinkt.
Overfitting entsteht, wenn ein Modell Trainingsidiosynkrasien statt allgemein gültiger Muster lernt.
- Anzeichen: große Lücke zwischen Trainings- und Testleistung.
- Gegenmittel: Regularisierung, Datenaugmentation, frühzeitiges Stoppen, mehr Daten.
- Diagnostik: Lernkurven, abgeleitete Fehlertypen, ablation studies.