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.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2019 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Kossen, J., Müller, M.E. (2019). Verzerrung-Varianz-Dilemma. In: Kersting, K., Lampert, C., Rothkopf, C. (eds) Wie Maschinen lernen. Springer, Wiesbaden. https://doi.org/10.1007/978-3-658-26763-6_16
Download citation
DOI: https://doi.org/10.1007/978-3-658-26763-6_16
Published:
Publisher Name: Springer, Wiesbaden
Print ISBN: 978-3-658-26762-9
Online ISBN: 978-3-658-26763-6
eBook Packages: Computer Science and Engineering (German Language)