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!