모델 성능에 중요한 bias and Variance 개념 설명 ( 편향과 분산 )

bias and Variance ( 편향과 분산 ) 어느것에 치중하여 모델을 설정할 것인가 ?

• 이 두가지중는 목적에 따라 좋은 성능의 모델을 만드는데에 꼭 필요한 개념입니다.
• 이 두가지는 tradeoff(트레이드오프) 관계입니다. ( 한가지가 높으면, 다른한가지는 줄어듭니다. )
• Hight Variance , low Bias ==> overfitting
• Low variance , High Bias ==> underfitting

1. 이미지와 함께 설명

=> variance가 증가하게 된다면 , 데이터의 점들의 분산은 예측력을 좀 더 떨어뜨린다.
=> 그리고 bias가 커지게 된다면 실제값과 예측값의 오차는 커진다.

그럼 어떻게?

=> 모형에 더 많은 변수를 넣게 되면 복잡성은 증가하고, variance는 늘어나고 bias는 줄게 되는 영향
=> 최적의 point를 찾아야 한다. ( bias의 감소가 variance의 증가와 같아지는 )
=> 방법의는 모델의 복잡도를 줄이거나 , 정규화(Regularization)를 통해서

참고자료

https://brunch.co.kr/@itschloe1/11