Принцип bias-variance tradeoff при построении машинного обучения заключается в балансе между простотой и сложностью модели. 5

Если модель слишком проста, она не научится достаточно у данных (высокое смещение). 5 Если модель слишком сложна, она может запомнить обучающие данные, захватывая шум вместе с полезными закономерностями (высокий разброс). 5

Задача принципа — найти оптимальную сложность модели, при которой баланс между переобучением и недообучением достигается с минимальной ошибкой. 1

Чем выше сложность обучаемой модели, тем меньше её смещение и тем больше разброс. 2 Поэтому общая ошибка на тестовой выборке имеет вид U-образной кривой. 2

Понимание этого принципа помогает специалистам выбирать подходящую сложность модели для данных и делать более точные предсказания. 3