KI-Glossar

Overfitting

Ein Modell ist überangepasst, wenn es sich zu stark an den Trainingsdaten orientiert und dadurch an Flexibilität verliert. Es liefert dann oft gute Ergebnisse im Training, versagt aber bei unbekannten Daten.

Wie Overfitting entsteht

Overfitting kann auftreten, wenn ein Modell zu stark auf spezielle Details reagiert, die nur in den Trainingsdaten vorkommen. Auch zu komplexe Modelle oder ungeeignete Trainingsstrategien können das Problem verstärken.

Warum das problematisch ist

Ein überangepasstes Modell ist in der Praxis unzuverlässig, weil es neue Situationen nicht gut verallgemeinern kann. Deshalb gehört die Vermeidung von Overfitting zu den zentralen Aufgaben bei der Modellentwicklung.

Abgrenzung zu Underfitting

Das Gegenteil – Underfitting – tritt auf, wenn ein Modell zu wenig aus den Trainingsdaten lernt und dadurch auch auf bekannten Daten schwache Ergebnisse liefert. Ziel der Modellentwicklung ist deshalb immer die richtige Balance zwischen beiden.

KI-Glossar