Over­fit­ting

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.

« Back to Glossary Index