overfitting
Hvad er overfitting?Overfitting er en modelleringsfejl, der opstår, når en funktion er for tæt fit til et begrænset sæt datapunkter. Overfitting af modellen har generelt form af at fremstille en alt for kompleks model til at forklare idiosynkrasier i de undersøgte data.
I virkeligheden har de ofte studerede data en vis grad af fejl eller tilfældig støj i sig. Forsøg på at få modellen til at stemme overens med lidt ukorrekte data kan således inficere modellen med betydelige fejl og reducere dens forudsigelsesevne.
[Vigtigt: Finansielle fagfolk skal altid være opmærksomme på farerne ved at overmontere en model baseret på begrænsede data.]
Forståelse af overfitting
For eksempel er et almindeligt problem at bruge computeralgoritmer til at søge i omfattende databaser med historiske markedsdata for at finde mønstre. Givet tilstrækkelig undersøgelse er det ofte muligt at udvikle detaljerede teoremer, der ser ud til at forudsige ting som afkast på aktiemarkedet med tæt nøjagtighed.
Imidlertid, når de anvendes på data uden for prøven, kan sådanne sætninger sandsynligvis vise sig at være blot overfitting af en model til, hvad der i virkeligheden var bare tilfældige hændelser. I alle tilfælde er det vigtigt at teste en model mod data, der ligger uden for den prøve, der bruges til at udvikle dem.
Key takeaways
- Overfitting er en modelleringsfejl, der opstår, når en funktion er for tæt fit til et begrænset sæt datapunkter.
- Finansielle fagfolk skal altid være opmærksomme på farerne ved at overmontere en model baseret på begrænsede data.