Bezieht sich Überanpassung auf Verzerrung oder Streuung?

Overfitting bezieht sich auf ein Problem mit hoher Varianz des Modells. Es ist eine Situation, in der das Modell zu genau an die Trainingsdaten angepasst wird, einschließlich Rauschen und zufälliger Schwankungen, was zu einer schlechten Generalisierungsfähigkeit auf neuen Daten führt.

In Begriffen von Bias und Varianz:

• Bias (Verzerrung) — Fehler aufgrund eines zu einfachen Modells, das die Daten nicht gut beschreiben kann.
• Varianz (Streuung) — Fehler aufgrund eines zu komplexen Modells, das sich an das Rauschen anpasst.

Overfitting ist mit hoher Varianz verbunden, nicht mit Bias.