Advertisement

Verzerrung-Varianz-Dilemma

Voll daneben!
  • Jannik KossenEmail author
  • Maike Elisa Müller
Chapter

Zusammenfassung

Mit ihren Freunden geht Lisa gerne Dart spielen. Als begnadete Dartspielerin trifft sie stets die Mitte der Zielscheibe. Ihre Freunde hingegen sind weniger talentiert als sie und treffen nicht so gut. Auch wenn alle gerne so gut Dart spielen würden wie Lisa, ist dies in der Realität nur schwer zu erreichen. Im maschinellen Lernen ist dies ähnlich. Auch Modelle des maschinellen Lernens machen Fehler. Anders als bei Menschen kann man im maschinellen Lernen aber zumindest versuchen, zu beeinflussen, wie diese Fehler aussehen. Es gilt, einen guten Kompromiss zwischen der „Verzerrung“ und der „Varianz“ des Modells zu finden. Zum Glück hat Lisa Freunde, an denen sich diese Begriffe und ihre Beziehung zum maschinellen Lernen gut erklären lassen.

Copyright information

© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2019

Authors and Affiliations

  1. 1.Universität HeidelbergHeidelbergDeutschland
  2. 2.TU BerlinBerlinDeutschland

Personalised recommendations