Öffentliche Lektionsvorschau
Verstehen Sie die beiden häufigsten Fehlermodi beim maschinellen Lernen – Überanpassung und Unteranpassung – anhand klarer Beispiele und wie Sie sie beheben können.
Am Ende dieser Lektion verstehst du:
Sie haben Ihr erstes Modell für maschinelles Lernen trainiert. Es schneidet bei Ihren Trainingsdaten hervorragend ab – 98 % Genauigkeit! Sie testen es anhand neuer Daten und es fällt auseinander: 61 % Genauigkeit. Was ist schief gelaufen? Mit ziemlicher Sicherheit weist Ihr Modell eine Überanpassung auf. Dies ist einer der beiden häufigsten Fehlermodi beim maschinellen Lernen, und sein Verständnis – neben seinem Gegenteil, der Unteranpassung – ist für die Erstellung von Modellen, die tatsächlich in der realen Welt funktionieren, von entscheidender Bedeutung.
Über- und Unteranpassung: Warum ML-Modelle scheitern ist Teil von AI Sprouts
Über- und Unteranpassung: Warum ML-Modelle scheitern ist Teil von AI Sprouts. Upgrade, um die komplette Lektion, Quizze, Fortschrittsspeicherung und jede Akademie freizuschalten.
7 Tage kostenlos. Jederzeit kündbar, ohne Rückfragen.