Überanpassung

noun

Überanpassung tritt auf, wenn ein maschinelles Lernmodell zu komplex wird und Rauschen sowie Ausreißer in den Trainingsdaten erfasst, anstatt die zugrunde liegenden Muster zu erkennen. Dies geschieht, wenn das Modell versucht, Trainingsfehler zu minimieren, was zu schlechteren Ergebnissen bei unbekannten Daten führt.

Beispielsweise kann ein Sprachmodell, das auf einem bestimmten Datensatz trainiert wurde, Besonderheiten oder Fehler memorieren, was zu falschen Vorhersagen bei neuen Eingaben führt. Überanpassung ist häufig bei Modellen mit zu vielen Parametern im Verhältnis zur Menge der Trainingsdaten.

Für Entwickler bedeutet Überanpassung verschwendete Rechenressourcen und unzuverlässige Ergebnisse. Sie zwingt sie, Techniken wie Regularisierung, Kreuzvalidierung oder einfachere Modelle zu verwenden, um sicherzustellen, dass die KI in der realen Welt gut funktioniert. Ein schlecht trainierter Bildgenerator könnte verzerrte Ausgaben produzieren, wenn er sich zu stark an Artefakte in den Trainingsbildern anpasst.

Ein Chatbot, der auf einem kleinen Datensatz von Kundenservice-Skripten trainiert wurde, kann überanpassen und Fragen außerhalb dieser Skripte nicht beantworten.

In anderen Sprachen

Découvrez nos autres services

ElpisIA, c’est tout un univers — explorez nos autres services.