Underfitting

Underfitting beschreibt den Fall, dass ein KI-Modell zu einfach ist oder nicht ausreichend trainiert wurde, um die wichtigen Zusammenhänge in den Daten zu erkennen. Dadurch bleibt seine Leistung insgesamt schwach, weil es weder die Trainingsdaten noch neue Daten gut abbilden kann.

Wie Underfitting entsteht

Underfitting entsteht häufig dann, wenn ein Modell zu wenig Komplexität besitzt, mit ungeeigneten Merkmalen arbeitet oder nicht lange genug trainiert wurde. In solchen Fällen kann die KI die relevanten Muster nicht ausreichend lernen.

Abgrenzung zu Overfitting

Während ein Modell beim Overfitting die Trainingsdaten zu genau lernt und deshalb bei neuen Daten schlechter wird, lernt es beim Underfitting insgesamt zu wenig. Das Modell bleibt dann sowohl im Training als auch in der Praxis ungenau. Ziel der Modellentwicklung ist daher immer die richtige Balance: ein Modell, das weder zu viel noch zu wenig lernt und sich gut auf neue Situationen übertragen lässt.

KI-Glossar