bias-variance-tradeoff
모델의 복잡도에 따라 학습 데이터에 대한 오차(편향)와 새로운 데이터에 대한 예측 변동성(분산) 사이의 균형을 맞추는 원리이다. 모델이 너무 단순하면 편향이 높고, 너무 복잡하면 분산이 높아져 과적합이 발생한다. 이 균형을 이해하는 것은 모델의 일반화 성능을 높이는 데 필수적이다.
모델의 복잡도에 따라 학습 데이터에 대한 오차(편향)와 새로운 데이터에 대한 예측 변동성(분산) 사이의 균형을 맞추는 원리이다. 모델이 너무 단순하면 편향이 높고, 너무 복잡하면 분산이 높아져 과적합이 발생한다. 이 균형을 이해하는 것은 모델의 일반화 성능을 높이는 데 필수적이다.