Overfitting Überanpassung
Wenn ein ML-Modell die Trainingsdaten auswendig lernt, statt allgemeine Muster zu erkennen — gut im Training, schwach in der Praxis.
Symptom: hohe Genauigkeit beim Training, niedrige bei der Validierung. Abhilfe: mehr Daten, Regularisierung (Dropout, Weight Decay), ein einfacheres Modell oder Early Stopping.