Underfitting

Was bedeutet Underfitting?

Underfitting liegt vor, wenn ein Modell die für seine Aufgabe nötigen Zusammenhänge nicht ausreichend erfasst. Schwache Ergebnisse können dann schon bei den Trainingsbeispielen auftreten. Mögliche Ursachen sind unpassende Eingangsmerkmale, zu geringe Modellkapazität oder eine ungeeignete Gestaltung des Trainings. Um die Ursache zu untersuchen, werden Trainings- und Bewertungsergebnisse zusammen mit Daten, Zielangaben und Einstellungen betrachtet. Ein größerer Datenbestand allein behebt die fehlende Abbildung der Zusammenhänge nicht automatisch.

Angenommen, ein erfundenes Modell zur Serviceplanung sagt für kurze Kontrollen und aufwendige Reparaturen nahezu dieselbe Arbeitsdauer voraus. Das Team untersucht, ob die Art der Arbeit als Eingabe vorhanden ist und ob die als Zielwerte verwendeten Zeitangaben denselben Arbeitsumfang beschreiben. Danach prüft es, ob die gewählte Modellform und das Training die relevanten Unterschiede erfassen können. Dafür werden geeignete Fälle aus Lernen und getrennter Bewertung verglichen. Die nächste Variante wird anhand dieser Befunde entwickelt, statt nur zusätzliche Beispiele in den unveränderten Ablauf einzuspeisen.

Quellen

• Google · Machine Learning Glossary: ML Fundamentals