在模型中: 當模型複雜度過低時,偏差則會比較大,訓練出來的模型會欠擬合,因而需要提高模型複雜度來降低模型偏差; 當模型複雜度過高時,方差則會較大,訓練的模型會過擬合,因而需要降低模型複雜度來降低偏差。 因此,模型複雜度的選擇是一個十分糾結的問題,該問題被稱爲「方差-偏差困境」。(如下圖所示)
形象地理解可以舉個這麼例子: 考試前刷題,如果刷得太多了,考試時做題會很死板,思維被侷限了;但如果刷的太少了,你在考試時會因爲沒能瞭解足夠多的題型而失利。如何權衡好刷題數目就是個學問。