bias and Variance
- Hight Variance , low Bias ==> overfitting
-
Low variance , High Bias ==> underfitting
- 설명
==> variance가 증가하게 된다면 , 데이터의 점들의 분산은 예측력을 좀 더 떨어뜨린다. 그리고 bias가 커지게 된다면 실제값과 예측값의 오차는 커진다.
- 그럼 어떻게?
==> 모형에 더 많은 변수를 넣게 되면 복잡성은 증가하고, variance는 늘어나고 bias는 줄게 되는 영향
==> 최적의 point를 찾아야 한다. ( bias의 감소가 variance의 증가와 같아지는 )
==> 방법의는 모델의 복잡도를 줄이거나 , 정규화(Regularization)를 통해서
참고자료
https://brunch.co.kr/@itschloe1/11
댓글