Zurück zu Glossary
Überanpassung
Wenn ein Modell auf Trainingsdaten gut funktioniert, aber auf ungesehenen Daten schlecht abschneidet, weil es trainingsspezifische Muster auswendig gelernt hat, statt verallgemeinerbare Merkmale zu lernen. Überanpassung ist ein kritisches Problem beim Roboter-Lernen, wo Datensätze klein sind. Gegenmaßnahmen umfassen Datenerweiterung, Dropout, Gewichtsabfall, frühes Stoppen und die Verwendung vortrainierter Encoder.