EMZETT.Kurz erklärt
Ein überangepasstes Modell lernt die Trainingsdaten auswendig und versagt bei neuen Daten. Ein zu einfaches Modell lernt zu wenig (Unteranpassung). Gesucht ist die Balance dazwischen.
Genauer
Der Fehler eines Modells setzt sich aus Bias (systematische Vereinfachung), Varianz (Empfindlichkeit gegenüber den konkreten Trainingsdaten) und Rauschen zusammen. Mehr Komplexität senkt den Bias, erhöht aber die Varianz. Entscheidend ist die Leistung auf ungesehenen Daten.