Underfitting und Overfitting

Verändern Sie Datenmenge und Polynomgrade. Ein sehr kleiner Trainingsfehler bei deutlich höherem LOOCV-Fehler (Leave-One-Out Cross-Validation,LOOCV) weist auf Overfitting hin. Sind beide Fehler hoch, spricht dies für Underfitting.

Parameter

Datenpunkte Linear Modell 1 Modell 2

Linear, Grad 1

Ø Trainings-RMSE
LOOCV-Test-RMSE

Ø Trainings-RMSE
LOOCV-Test-RMSE

Ø Trainings-RMSE
LOOCV-Test-RMSE