Le surapprentissage concerne-t-il le biais ou la variance?

Le surapprentissage (overfitting) concerne un problème de haute variance du modèle. C'est une situation où le modèle s'ajuste trop précisément aux données d'entraînement, y compris le bruit et les fluctuations aléatoires, ce qui entraîne une mauvaise capacité de généralisation sur de nouvelles données.

En termes de biais et de variance :

• Biais (bias) — erreur due à un modèle trop simple qui ne peut pas bien décrire les données.
• Variance (variance) — erreur due à un modèle trop complexe qui s'ajuste au bruit.

Le surapprentissage est lié à une variance élevée, et non au biais.