[머신러닝 기초] Bias vs Variance

🟩 Bias & Variance 정의 ◼ Bias : 모델의 복잡도에 따라 발생하는 모델의 error ◼ Variance : 학습 데이터의 변경에 따라 발생하는 모델의 error간 편차 ◼ Low Bias : 중심주변에 위치, Low Variance : 중심과 상관없이 비슷한 값을 냄 🟩 Bias & Variance Trade off ◼ Total Error = Bias + Variance ◼ Bias값이 커지면 Variance가 작아지고, Bias값이 작으면 Variance가 커진다. ◼ 이 관계를 인지하고 Test Error를 최소화하는 모델 복잡도를 찾아야 함 ◼ 성능이 우수한 모델은 Signal(Unseen data 예측에 필요)에 민감하고 Noise에 둔감한 모델 ◼ Overfitting Mod..
Data Science&AI 2021. 7. 17. 14:18
1