Deutsch
Menü

Grundlagen des maschinellen Lernens

Woran erkennt man, dass Überanpassung (Overfitting) auftritt?

  1. ADer Fehler auf den Trainingsdaten ist klein, der Fehler auf den Validierungsdaten aber groß
  2. BDer Fehler bleibt sowohl auf den Trainings- als auch auf den Validierungsdaten groß und sinkt nicht
  3. CJe weiter das Training fortschreitet, desto mehr sinken die Fehler auf Trainings- und Validierungsdaten gleichermaßen
Antwort und Erläuterung anzeigen

Antwort: A. Der Fehler auf den Trainingsdaten ist klein, der Fehler auf den Validierungsdaten aber groß

Bei Überanpassung hat sich das Modell feine Details und sogar das Rauschen der Trainingsdaten eingeprägt, sodass seine Leistung bei neuen Daten (die Generalisierungsfähigkeit) sinkt. Typisches Anzeichen ist ein kleiner Fehler auf den Trainingsdaten bei großem Fehler auf den Validierungsdaten. Ist der Fehler schon auf den Trainingsdaten groß, liegt Unteranpassung (Underfitting) vor: Das Modell erfasst den Trend nicht, etwa weil es zu einfach ist. Gegenmaßnahmen sind mehr Daten, ein einfacheres Modell, Regularisierung, Dropout und Early Stopping, das das Training beendet, sobald der Validierungsfehler zu steigen beginnt.

Dieses Thema üben Zur Themenseite

Weitere Fragen zu Grundlagen des maschinellen Lernens

  1. Welche Aussage ist zutreffend, wenn man den Fehler eines Modells in Bias (Verzerrung) und Varianz (Streuung) zerlegt?
  2. Welche Beschreibung der Regularisierung und verwandter Verfahren gegen Überanpassung trifft zu?
  3. Welcher der folgenden Schritte beim Erstellen eines Machine-Learning-Modells verursacht Data Leakage (Informationen aus den Bewertungsdaten gelangen ins Training)?
  4. Ein Modell für die Klassifikation mit zwei Klassen wurde mit 200 Testdaten bewertet. Die Konfusionsmatrix zeigt 45 richtig positive (TP), 5 falsch positive (FP), 45 falsch negative (FN) und 105 richtig negative (TN). Welches Paar aus Precision und Recall ist richtig?
  5. Ein Modell für die Klassifikation mit zwei Klassen wurde mit 200 Testdaten bewertet: TP = 20, FP = 5, FN = 30 und TN = 145. Welcher Wert liegt dem F1-Score am nächsten?