Overfitting
Auch: Überanpassung
Ein Modell hat die Trainingsdaten auswendig gelernt und funktioniert bei neuen Daten schlecht.
Ein überangepasstes Modell erkennt auch Zufälligkeiten und Rauschen in den Trainingsdaten als Muster. Auf bekannten Beispielen glänzt es, im echten Einsatz versagt es.
Gegenmittel sind mehr und vielfältigere Daten, einfachere Modelle, Regularisierung sowie das konsequente Prüfen mit Testdaten, die das Modell beim Training nie gesehen hat. Das Gegenteil heisst Underfitting: Das Modell ist zu simpel, um die Muster überhaupt zu erfassen.
Allgemeine Information, keine Rechts- oder Fachberatung.