Out-of-Distribution

Von Out-of-Distribution spricht man bei Eingaben, die deutlich von den Trainingsdaten abweichen. Modelle sind hier besonders fehleranfällig und zugleich oft unbegründet selbstsicher. Solche Fälle zu erkennen ist wichtig, um gefährliche Fehlentscheidungen in unerwarteten Situationen zu vermeiden.