Materialinformatik: Was ist damit gemeint?

Lösung: B. Die Güte wird am Fehler auf nicht zum Training verwendeten Daten (z. B. durch Kreuzvalidierung) beurteilt, und Vorhersagen weit außerhalb des Bereichs der Trainingsdaten sind wenig verlässlich

Ein Modell des maschinellen Lernens lernt eine Funktion, die die Zieleigenschaft aus Deskriptoren (Merkmalen) vorhersagt, in denen Zusammensetzung, Kristallstruktur usw. als Zahlen ausgedrückt sind. Wird es zu stark an die Trainingsdaten angepasst (Überanpassung), ist der Fehler auf diesen Daten zwar klein, die Vorhersage für neue Daten aber schlecht. Deshalb werden die Daten in Trainings- und Validierungsdaten aufgeteilt oder es wird eine Kreuzvalidierung durchgeführt, und die Güte wird am Fehler auf nicht zum Training verwendeten Daten beurteilt. Werden bei wenigen Daten zu viele Deskriptoren verwendet, tritt leicht Überanpassung auf. Außerdem ist ein Modell zwar gut im Interpolieren innerhalb des Bereichs der Trainingsdaten, aber schwach beim Extrapolieren weit darüber hinaus. Daher werden die Daten effizient ergänzt, etwa mit der Bayesschen Optimierung, die anhand von Vorhersagewert und Unsicherheit den nächsten zu prüfenden Kandidaten auswählt.