Von einem Overfitting (Überanpassung) wird dann gesprochen, wenn ein Vorhersagemodell so spezifisch ist, dass es die zufällige Streuung der Daten, aus denen die Modellparameter geschätzt werden, reproduziert. Overfitting ist daher als negativ zu bewerten, weil die tatsächliche (geringere) Anpassungsgüte verschleiert wird und das Modell zwar besser auf die Daten der Stichprobe angepasst wird, allerdings aufgrund fehlender Generalität keine Übertragbarkeit auf die Grundgesamtheit besteht. Gleichzeitig wächst die Gefahr, dass irrelevante Variablen aufgrund von Zufallseffekten als statistisch signifikant erscheinen.
« Zurück zur Übersicht
