Überanpassung

Double Descent bezieht sich auf ein Phänomen im maschinellen Lernen, bei dem die Modellleistung nach Überanpassung verbessert wird.

Ein überparametrisiertes Modell hat mehr Parameter als notwendig, was zu einer besseren Leistung bei den Trainingsdaten führen kann, aber auch das Risiko des Overfittings birgt.