如果模型的复杂度过低，虽然方差很小，但是偏差会很高；会造成模型欠拟合。
如果模型复杂度过高，虽然偏差很小，但是方差会很高；造成模型过拟合。
如果模型复杂度合适，偏差与方差都很小。所以我们要综合考虑偏差与方差选择合适复杂度的模型进行训练。模型的预测精度是由模型的偏差与方差共同决定的，损失函数代表了模型的偏差，想要方差小则需要在目标函数中添加正则项，用于防止过拟合。
下面展示模型复杂度、偏差、方差和泛化误差的关系，发现只有选择合适的模型复杂度，才能使方差与偏差变小，模型的泛化性能最好。
如果对您有帮助，麻烦点赞关注，这真的对我很重要！！！如果需要互关，请评论或者私信！
655
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
