Bias ва variance дар модели чист?

Бейз (сместиш) ва варианс (тарқалиш) — бу икки асосий тушунча, улар машинани ўрганиш моделининг хато ва камчиликларини тасвирлайди.

• Бейз (сместиш): бу жуда содда моделдан келиб чиқадиган хато бўлиб, у маълумотларни яхши тасвирлай олмайди. Юқори бейзга эга модел паст ўрганилган (underfitting) бўлиб, ўқитиш ҳамда янги маълумотларда ёмон прогноз қилади.

• Варианс (тарқалиш): бу моделнинг ўқитиш маълумотларидаги шовқинларга нисбатан сезгирлиги билан боғлиқ хато. Юқори вариансга эга модел ортиқча ўрганади (overfitting), ўқитиш маълумотларида яхши ишлайди, аммо янги маълумотларга яхши умумлашмайди.

Бейз ва варианс ўртасидаги мувозанат яхши модел учун муҳимдир. Одатида, моделнинг мураккаблиги ошганда, бейз камаяди ва варианс ошади.

Масалан:

• Оддий линей регрессия юқори бейзга эга бўлиши мумкин, агар маълумотлар нолиней бўлса.
• Мураккаб модел, масалан, чуқур нейрон тармоқ, паст бейзга эга бўлиши мумкин, аммо юқори вариансга эга бўлади, агар у ўқитиш маълумотларига ортиқча мослашса.