Modeldə bias və variance nədir?

Ma'lumotlar modeli xatolarini tavsiflovchi ikki asosiy tushuncha bo'lib, bias (e'tiqod) va variance (tarqalish) deb ataladi.

• Bias (e'tiqod): juda oddiy modeldan kelib chiqadigan va ma'lumotlarni yaxshi tasvirlay olmaslik xatosi. Yuqori biasga ega model kam o'qitilgan (underfitting) bo'lib, na trening, na yangi ma'lumotlarda yaxshi bashorat qilmaydi.

• Variance (tarqalish): modelning o'qitish ma'lumotlaridagi shovqinlarga nisbatan sezuvchanligi bilan bog'liq xato. Yuqori variancega ega model ortiqcha o'qitilgan (overfitting), trening ma'lumotlarida yaxshi ishlaydi, ammo yangi ma'lumotlarga umumlashtira olmaydi.

Bias va variance o'rtasidagi muvozanat yaxshi model uchun muhimdir. Umuman olganda, model murakkabligi oshgani sayin bias kamayadi, variance esa ortadi.

Misol:

• Oddiy chiziqli regressiya, agar ma'lumotlar nolinear bo'lsa, yuqori biasga ega bo'lishi mumkin.
• Murakkab model, masalan, chuqur neyron tarmoq, past biasga ega bo'lishi mumkin, ammo trening ma'lumotlariga ortiqcha moslashganda yuqori variance ko'rsatishi mumkin.