我们有一组观察

我们还有一个正向模型$y = f(x_1, x_2)$. 正向模型不包括$x_3$因为$x_3$可能包括几十个我们不清楚的参数。

首先，我们反转参数$x_1$与前向模型$y = f(x_1, 0)$嵌入到我们的反转策略中。最好的模型可以拟合 80% 的观测数据集。然后我们反转两个参数$x_1$和$x_2$与前向模型$y = f(x_1, x_2)$. 然而，错配并没有减少，倒$x_2$总是非常接近于零。

基于以前的实验室和数值实验，$x_2$应对观测有显着影响，且其值明显大于零。所以我们修复$x_2$作为实验观测值，反演优化模型。最佳倒置模型的失配大于$x_2$固定为零。我们如何理解这些反演结果？他们的意思是$x_2$被平衡$x_3$或者在反演中存在过度拟合$x_1$只要？