Inhaltsverzeichnis:
Definition - Was bedeutet Überanpassung?
Bei Statistiken und maschinellem Lernen tritt eine Überanpassung auf, wenn ein Modell versucht, einen zu verrauschten Datentrend vorherzusagen. Überanpassung ist das Ergebnis eines zu komplexen Modells mit zu vielen Parametern. Ein überangepasstes Modell ist ungenau, da der Trend nicht die Realität der Daten widerspiegelt.
Techopedia erklärt Überanpassung
Ein überangepasstes Modell ist ein Modell mit einer Trendlinie, die die Fehler in den Daten widerspiegelt, mit denen es trainiert wird, anstatt unsichtbare Daten genau vorherzusagen. Dies lässt sich besser visuell mit einem Diagramm von Datenpunkten und einer Trendlinie darstellen. Ein überpasstes Modell zeigt eine Kurve mit höheren und niedrigeren Punkten, während ein korrekt angepasstes Modell eine glatte Kurve oder eine lineare Regression zeigt.
Das Hauptproblem bei der Überanpassung besteht darin, dass das Modell vorhandene Datenpunkte effektiv gespeichert hat, anstatt vorherzusagen, wie unsichtbar Datenpunkte wären.
Überanpassung resultiert normalerweise aus einer zu großen Anzahl von Trainingspunkten. Es gibt eine Reihe von Techniken, mit denen Forscher des maschinellen Lernens Überanpassungen abmildern können, darunter Kreuzvalidierung, Regularisierung, frühzeitiges Stoppen, Beschneiden, Bayes'sche Priors, Abbruch und Modellvergleich.
